Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

多重人格障礙──《我發瘋的那段日子》

行路出版_96
・2016/03/08 ・2029字 ・閱讀時間約 4 分鐘 ・SR值 480 ・五年級

-----廣告,請繼續往下閱讀-----

我們的大腦運作和聖誕的燈飾電路很相像。大腦功能正常時,所有的燈都可以閃閃發亮,但它具備適應變化的能力,一般來說,一個燈壞掉時,其他的燈還是會繼續發亮,不過偶爾也會出現一個燈泡壞了,所有的燈也跟著全熄的情形。

繼「巴格西」醫生之後,下一個來看我的是精神病科的莎賓娜.可罕(Sabrina Khan)醫生,也是第四位加入醫療小組的醫生,她當然也聽說了我兩次企圖逃走:早上一次,下午羅索醫生來時又發生一次。可罕醫生在我的病程記錄上寫到我看起來蓬頭散髮,有些焦躁不安,穿著「暴露的睡衣」(我穿著緊身褲和一件有點透明的上衣),玩弄著腦波儀器導線。提出和我的心理層面相符的外在狀況很重要,我外表凌亂而暴露有可能是狂躁症的表現:這類患者經常不修邊幅,並且有無法控制的衝動性行為,有時候會出現性濫交的情形。雖然說我之前沒有精神病的病史,但二十出頭確實是精神病好發的年紀。

download (1)

她的筆還沒有停,我就自己主動宣布:「我有多重人格障礙。」

可罕醫生耐心的點了點頭。我挑的是精神病領域裡最具爭議性的診斷,現在改名為解離性身份障礙(DID,dissociative identity disorder),患者會表現出多種完全不相關的身份,而且經常對於自己的其他身份不知情。有些醫生認為這種情形存在,但有些醫生不認為(特別是在具有代表性的患者西碧〔Sybil〕【[1]】被發現是捏造的故事後)。許多解離性身份障礙患者常伴隨有其他精神疾病,像是精神分裂症。不管是什麼情形,總之,我自己也搞不清楚。

-----廣告,請繼續往下閱讀-----

「曾經有精神科醫師或心理醫師這樣告訴妳嗎?」她溫柔的問道。

「有,有一個精神科醫生說我有躁鬱症。」

「那妳有吃藥治療嗎?」

「我不想吃。我把它吐出來了。我必須離開這兒。我不屬於這裡。我應該住在精神病院的。我應該住在精神病院的。我在這裡不安全。」

-----廣告,請繼續往下閱讀-----

「這裡為什麼不安全呢?」

「大家都在談論我。他們都在背後嘲笑我。去精神病院,他們才能把我醫好。我不知道為什麼我會在這裡,我應該住精神病院的。我聽見護士在談論我的事,我可以聽見他們在想什麼,他們把我說得很難聽。」

可罕醫生寫下「偏執症」。

「妳可以聽到他們在想什麼?」她又重複問了一次。

-----廣告,請繼續往下閱讀-----

「對。全世界都在嘲笑我。」

「妳還聽到什麼嗎?」

「電視裡的人也在嘲笑我。」

可罕醫生寫下「疑心病」,患者相信報紙上的文章、歌曲或是電視節目等,都是針對他而來。「妳家裡有什麼人有心理疾病的病史嗎?」

-----廣告,請繼續往下閱讀-----

「我不知道。我奶奶可能有躁鬱症吧,反正他們全都是瘋子。」我笑道。接著我轉向她,「妳知道我有權利自行辦理出院吧?我可以就這麼走出去,沒有人可以強迫我留在這。我不想再說了。」

可罕醫生寫下了幾個她的診斷,包括「待分類的情緒障礙」和「待分類的精神障礙」。她從我的癲癇和黑色素瘤病史判斷,有必要檢查是否有神經學上的病因。

如果沒有發現其他病灶可以解釋我突如其來的精神病症,那麼她認為有可能是第一型躁鬱症(Bipolar I),患者會出現狂躁期或混合期(同時具有狂躁期和抑鬱期)情緒障礙。假設最糟糕的情形是一分,完全沒有症狀的情形是一百分的話,我得到的分數是四十五分,可以解釋為「症狀嚴重」。可罕醫生建議替我安排一位一對一的看顧人員,以防止我再次企圖逃脫。

我聽不到他們的聲音了。她的皮膚好光滑。我盯著醫生的顴骨看,她有漂亮的橄欖膚色。我愈看愈專注,愈看愈專注,她的面孔在我眼前旋轉起來,她的髮絲一根一根的轉成灰色,她的眼睛周圍開始出現皺紋,接著是她的嘴角,然後是臉頰,現在,滿臉都是皺紋了。她的臉頰開始凹陷,她的牙齒開始變黃,她的眼睛下垂,雙唇也失去了原有的豐潤。這名年輕的醫師在我的眼前逐漸老去。

-----廣告,請繼續往下閱讀-----

我轉頭過去看史提芬,他也看著我。他的鬍渣從棕色轉成了灰色,他的髮白如雪,看上去就像他父親。我從眼角餘光看到那個醫生又一分一秒的變年輕了,臉上的皺紋撫平了,眼睛再次圓亮起來,臉頰恢復了嬰兒肥,頭髮則是深深的棕栗色。她看起來像是三十歲、二十歲,不,十三歲。

我有超能力。我可以用我的意志力讓人變老,這就是我,他們不可以把這種權柄從我身上奪走。我充滿能力,事實上,我這輩子從來沒有這麼有能力過。

  • [1]〔譯註〕一九七三年,美國記者芙洛拉.芮塔.舒瑞伯(Flora RhetaSchreibe)寫了一本主角叫西碧的書,她聲稱寫的是患有多重人格障礙的雪莉.阿德爾.梅森(Shirley Ardell Mason)的故事,但事後被發現內容是捏造的。

我發瘋的那段日子—正封加書腰立體

 

    • 由「行路」出版的《我發瘋的那段日子》為作者蘇珊娜‧卡哈蘭(Susannah Cahalan)的真實經歷,她在任職《紐約郵報》時,罹患了學術界甫發現兩年的疾病「抗 NMDA 受體腦炎」,舉止逐漸失常。起初診治她的醫生都束手無策,險些將她送進療養院度過餘生,所幸後來她遇到神經科學家蘇海爾.納加(Souhel Najjar)正確診斷,得以順利治癒。卡哈蘭病癒後寫了相關報導,引起全美熱烈迴響,催生了這本書。
    • 本書改編電影預將於 2016 年上映。
-----廣告,請繼續往下閱讀-----
文章難易度
行路出版_96
21 篇文章 ・ 8 位粉絲
行路為「讀書共和國」出版集團旗下新創的出版社,出版知識類且富科普或哲普內涵的書籍,科學類中尤其將長期耕耘「心理學+腦科學」領域重要、具時代意義,足以當教材的出版品。 行路臉書專頁:https://www.facebook.com/WalkPublishing

0

1
0

文字

分享

0
1
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

本文與 研華科技 合作,泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言,總能牽動整個 AI 產業的神經。然而,我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線,那如果哪天「網路斷了」,會發生什麼事?

想像你正在自駕車打個盹,系統突然警示:「網路連線中斷」,車輛開始偏離路線,而前方竟是萬丈深谷。又或者家庭機器人被駭,開始暴走跳舞,甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎?當然不是!也因為如此,「邊緣 AI」成為業界關注重點。不靠雲端,AI 就能在現場即時反應,不只更安全、低延遲,還能讓數據當場變現,不再淪為沉沒成本。

什麼是邊緣 AI ?

邊緣 AI,乍聽之下,好像是「孤單站在角落的人工智慧」,但事實上,它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前,像是企業、醫院、學校內部的伺服器,個人電腦,甚至手機等裝置,都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。簡單來說,就是將原本集中在遠端資料中心的運算能力,「搬家」到更靠近數據源頭的地方。

-----廣告,請繼續往下閱讀-----

那麼,為什麼需要這樣做?資料放在雲端,集中管理不是更方便嗎?對,就是不好。

當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。/ 圖片來源:MotionArray

第一個不好是物理限制:「延遲」。
即使光速已經非常快,數據從你家旁邊的路口傳到幾千公里外的雲端機房,再把分析結果傳回來,中間還要經過各種網路節點轉來轉去…這樣一來一回,就算只是幾十毫秒的延遲,對於需要「即刻反應」的 AI 應用,比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時,每一毫秒都攸關安全與精度,這點延遲都是無法接受的!這是物理距離與網路架構先天上的限制,無法繞過去。

第二個挑戰,是資訊科學跟工程上的考量:「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送,湧入的資料數據量就像超級大的水流,一下子就把水管塞爆!要避免流量爆炸,你就要一直擴充水管,也就是擴增頻寬,然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理,把重要資訊「濃縮」過後再傳回雲端,是不是就能減輕頻寬負擔,也能節省大量費用呢?

第三個挑戰:系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時,一旦網路不穩、甚至斷線,那怎麼辦?很多關鍵應用,像是公共安全監控或是重要設備的預警系統,可不能這樣「看天吃飯」啊!邊緣處理讓系統更獨立,就算暫時斷線,本地的 AI 還是能繼續運作與即時反應,這在工程上是非常重要的考量。

所以你看,邊緣運算不是科學家們沒事找事做,它是順應數據特性和實際應用需求,一個非常合理的科學與工程上的最佳化選擇,是我們想要抓住即時數據價值,非走不可的一條路!

邊緣 AI 的實戰魅力:從工廠到倉儲,再到你的工作桌

知道要把 AI 算力搬到邊緣了,接下來的問題就是─邊緣 AI 究竟強在哪裡呢?它強就強在能夠做到「深度感知(Deep Perception)」!

-----廣告,請繼續往下閱讀-----

所謂深度感知,並非僅僅是對數據進行簡單的加加減減,而是透過如深度神經網路這類複雜的 AI 模型,從原始數據裡面,去「理解」出更高層次、更具意義的資訊。

研華科技為例,旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例,利用物件偵測模型,快速將工業產品中的瑕疵挑出來,而且由於 AI 模型可以使用同一套參數去檢測,因此品管上能達到一致性,減少人為疏漏。尤其在高產能工廠中,檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品,替工廠節省大量人力,同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。/ 圖片提供:研華科技

此外,在智慧倉儲場域,研華與威剛合作,研華與威剛聯手合作,在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台,打造倉儲系統的 AMR(Autonomous Mobile Robot) 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣,AMR 不需要事先規劃好路線,靠著感測器偵測,就能輕鬆避開障礙物,識別路線,並且將貨物載到指定地點存放。

當然,還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning ),除了可以做備忘錄跟排程規劃以外,還能將實務上碰到的問題記錄下來,等到之後碰到類似的問題時,就能詢問 AI 並得到解答。

你或許會問,那為什麼不直接使用 ChatGPT 就好了?其實,對許多企業來說,內部資料往往具有高度機密性與商業價值,有些場域甚至連手機都禁止員工帶入,自然無法將資料上傳雲端。對於重視資安,又希望運用 AI 提升效率的企業與工廠而言,自行部署大型語言模型(self-hosted LLM)才是理想選擇。而這樣的應用,並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。

但問題也接著浮現:要在這麼小的設備上跑大型 AI 模型,會不會太吃資源?這正是目前 AI 領域最前沿、最火熱的研究方向之一:如何幫 AI 模型進行「科學瘦身」,又不減智慧。接下來,我們就來看看科學家是怎麼幫 AI 減重的。

-----廣告,請繼續往下閱讀-----

語言模型瘦身術之一:量化(Quantization)—用更精簡的數位方式來表示知識

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像:有些畫面細節我們肉眼根本看不出來,刪掉也不影響整體感覺,卻能大幅減少檔案大小。

模型量化的原理也是如此,只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示,什麼是浮點數?其實就是你我都熟知的小數。舉例來說,圓周率是個無窮不循環小數,唸下去就會是3.141592653…但實際運算時,我們常常用 3.14 或甚至直接用 3,也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思! 

然而,量化並不是那麼容易的事情。而且實際上,降低精度多少還是會影響到模型表現的。因此在設計時,工程師會精密調整,確保效能在可接受範圍內,達成「瘦身不減智」的目標。

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。/ 圖片來源:MotionArray

模型剪枝(Model Pruning)—基於重要性的結構精簡

建立一個 AI 模型,其實就是在搭建一整套類神經網路系統,並訓練類神經元中彼此關聯的參數。然而,在這麼多參數中,總會有一些參數明明佔了一個位置,卻對整體模型沒有貢獻。既然如此,不如果斷將這些「冗餘」移除。

這就像種植作物的時候,總會雜草叢生,但這些雜草並不是我們想要的作物,這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在,而動手去清理這些不需要的連結參數或神經元的技術,就稱為 AI 模型的模型剪枝(Model Pruning)。

-----廣告,請繼續往下閱讀-----

模型剪枝的效果,大概能把100變成70這樣的程度,說多也不是太多。雖然這樣的縮減對於提升效率已具幫助,但若我們要的是一個更小幾個數量級的模型,僅靠剪枝仍不足以應對。最後還是需要從源頭著手,採取更治本的方法:一開始就打造一個很小的模型,並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」,是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾(Knowledge Distillation)—讓小模型學習大師的「精髓」

想像一下,一位經驗豐富、見多識廣的老師傅,就是那個龐大而強悍的 AI 模型。現在,他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案,老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」,例如「為什麼我會這樣想?」、「其他選項的可能性有多少?」。這樣一來,小小的學徒模型,用它有限的「腦容量」,也能學到老師傅的「智慧精髓」,表現就能大幅提升!這是一種很高級的訓練技巧,跟遷移學習有關。

舉個例子,當大型語言模型在收到「晚餐:鳳梨」這組輸入時,它下一個會接的詞語跟機率分別為「炒飯:50%,蝦球:30%,披薩:15%,汁:5%」。在知識蒸餾的過程中,它可以把這套機率表一起教給小語言模型,讓小語言模型不必透過自己訓練,也能輕鬆得到這個推理過程。如今,許多高效的小型語言模型正是透過這項技術訓練而成,讓我們得以在資源有限的邊緣設備上,也能部署愈來愈強大的小模型 AI。

但是!即使模型經過了這些科學方法的優化,變得比較「苗條」了,要真正在邊緣環境中處理如潮水般湧現的資料,並且高速、即時、穩定地運作,仍然需要一個夠強的「引擎」來驅動它們。也就是說,要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型,真正放到邊緣的現場去發揮作用,就需要一個強大的「硬體平台」來承載。

-----廣告,請繼續往下閱讀-----

邊緣 AI 的強心臟:SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器,就是扮演「邊緣 AI 引擎」的關鍵角色!那麼,它到底厲害在哪?

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要?因為 GPU 的設計,天生就擅長做「平行計算」,這正好就是 AI 模型裡面那種海量數學運算最需要的!

你想想看,那麼多數據要同時處理,就像要請一大堆人同時算數學一樣,GPU 就是那個最有效率的工具人!而且,有多張 GPU,代表可以同時跑更多不同的 AI 任務,或者處理更大流量的數據。這是確保那些科學研究成果,在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎!

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房,有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計,體積相對緊湊,散熱空間也比較好(這對高功耗的 GPU 很重要!),部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算,進行「工程化」,讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格,背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場,系統穩定壓倒一切!你總不希望 AI 分析跑到一半就掛掉吧?這些設計確保了部署在現場的 AI 系統,能夠長時間、穩定地運作,把實驗室裡的科學成果,可靠地轉化成實際的應用價值。

-----廣告,請繼續往下閱讀-----
研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。/ 圖片提供:研華科技

台灣製造 × 在地智慧:打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能,能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署,及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析,還是其他 AI 相關的服務,都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務,讓企業在啟動 AI 專案前,大幅降低前期投入門檻,靈活又實用。

台灣有著獨特的產業結構,從精密製造、城市交通管理,到因應高齡化社會的智慧醫療與公共安全,都是邊緣 AI 的理想應用場域。更重要的是,這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示,這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果,往往已經錯失最佳反應時機。這也是為什麼邊緣 AI,不只是一項技術創新,更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場,就能被有效的「理解」與「利用」,是將數據垃圾變成數據黃金的賢者之石!

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

0
1

文字

分享

0
0
1
鑑識故事系列:如何「染出」內臟的鐵?
胡中行_96
・2023/09/14 ・2045字 ・閱讀時間約 4 分鐘

丈夫用來蝕刻金屬的氯化鐵(FeCl3)遺失。罹患妄想型思覺失調症(paranoid schizophrenia),時年 47 歲的妻子,於自家公寓倒下,地板、嘴邊和身上的衣服,都有橙黃的液體。她曾數度以多種方式自殺未遂,最近有安排住院的計劃。[1]

自殺防治專線
衛生福利部安心專線 1925
生命線協談專線 1995
張老師輔導專線 1980

公寓地板上的黃色液體。圖/參考資料 1,Figure 2(CC BY 4.0)
女子的嘴邊和衣服,沾有黃色液體。圖/參考資料1,Figure 1(CC BY 4.0)

鐵中毒

19 世紀末起,基於毒物學的迅速發展,金屬中毒的意外與刑案,已經不似過往那麼頻繁。目前急性鐵中毒的情形,較常見於吞下過量(> 20 mg/kg)鐵劑的兒童;也有些案例是孕婦攝取太多含鐵的補品。輕微鐵中毒的症狀,包括:嘔吐、腹痛、拉肚子等;嚴重的話,則會出現脫水、低血壓、代謝性酸中毒、血糖濃度波動、凝血問題,以及肝臟、腎臟、心血管和中樞神經系統的損傷。[1]另外,氯化鐵加水而分解,也就是經過水解(hydrolysis)後,[1, 2]pH 值約在 1 到 2 之間,具有腐蝕性,會傷害消化道和附近的內臟,並經由血液擴大影響的範圍。[1]

一般急性鐵中毒的情況下,醫師可能會考慮手術取出含鐵的藥錠;[1]或者用水或生理食鹽水沖入胃部再抽出,即洗胃(gastric lavage);[1, 3]還可以經靜脈輸注除鐵能(deferoxamine),讓它跟鐵結合,再排出體外。[1, 4]不過,此個案或許是被發現時就確定死亡,原論文沒有任何關於救治的描述,而是直接從驗屍講起。[1]

示範緊急插管後洗胃:水由藍管口進入胃部,再從紅管口排出。影/Sammy Gold on YouTube

解剖驗屍

女子死後幾天,波蘭博美醫學大學(Pomeranian Medical University)的法醫系解剖驗屍:口腔黏膜跟腸胃道血栓性壞死(thrombotic necrosis)。此二處乃至周邊的心、肺、橫膈膜與肝臟,都呈現黃色。胃部清空,食物大概在毒物腐蝕體內組織的過程中,被腸胃壁和其他臟器吸收殆盡。腦部、肝臟與腎臟等內臟中,氯及鐵離子濃度很高。血液檢測排除酒精及外源非揮發性有機化合物。[1]

-----廣告,請繼續往下閱讀-----

普魯士藍染劑

進行組織學分析的時候,照慣例得使用蘇木紫(haematoxylin)和伊紅(eosin)兩種染劑,讓細胞和組織的結構顯現出來;[5]而驗屍團隊在此額外採用普魯士藍(Prussian blue)染劑,促使鐵現形。[1]細胞中的鐵,分為可溶解跟不可溶解兩種。蘇木紫和伊紅無法令可溶解的鐵蛋白(ferritin)被看見;但普魯士藍染劑會使之呈現非常淺的水藍色。而不可溶解的血鐵質(hemosiderin),碰到蘇木紫與伊紅時是金棕色;如果用普魯士藍染劑,則為藍色。[6]

普魯士藍染劑的成份,為亞鐵氰化鉀鹽酸(potassium ferrocyanide hydrochloric acid)溶液,跟帶正電的鐵離子作用,會產生藍色的亞鐵氰化鐵(ferric ferrocyanide)。[7, 8]儘管人體本來就有鐵,正常的肝臟遇上該染劑,其實看不太出變化;即使因為生病而充斥血鐵質,頂多也只有部份細胞著色;不可能像中毒時,整片湛藍。女子的內臟組織一如預期的大面積變色,而且以腸子和肝臟的最為明顯。[1]

以普魯士藍染劑上色的腸道組織。圖/參考資料 1,Figure 3(CC BY 4.0)
用普魯士藍染劑著色的肝臟組織。圖/參考資料 1,Figure 4(CC BY 4.0)

死因

死亡與驗屍相隔幾天,屍體除了會出現一般死後常見的變化,無疑也給予氯化鐵蔓延並穿透的時間,惡化對內臟和組織的傷害。然而綜合所有證據,以及精神病史賦予的自殺動機,法醫仍可判斷女子死於口服氯化鐵中毒,引發的急性心肺衰竭。[1]

  

-----廣告,請繼續往下閱讀-----
  1. Majdanik S, Potocka-Banaś B, Glowinski S, et al. (2021) ‘Suicide by intoxication with iron (III) chloride’. Forensic Toxicology, 39, 513–517.
  2. 5.4: Hydrolysis Reactions’. LibreTexts Chemistry, U.S.
  3. Stomach Pumping’. (10 JAN 2023) Cleveland Clinic, U.S.
  4. Velasquez J, Wray AA. (22 MAY 2023) ‘Deferoxamine’. In: StatPearls. Treasure Island (FL): StatPearls Publishing.
  5. Sampias C, Rolls G. ‘H&E Staining Overview: A Guide to Best Practices’. Leica Biosystems. (Accessed on 04 SEP 2023)
  6. Guindi M. (2018) ‘11 – Liver Disease in Iron Overload’. In: Practical Hepatic Pathology: a Diagnostic Approach (Second Edition). Pattern Recognition. (pp.151-165)
  7. All About Iron: The Colloidal Iron Stain and Prussian Blue Reaction’. (04 JUN 2021) U.S. National Society for Histotechnology.
  8. Suvarna KS, Layton C, Bancroft JD. (2018) ‘Techniques for the Demonstration of Carbohydrates’. In: Bancroft’s Theory and Practice of Histological Techniques E-Book. (pp. 187-188)
-----廣告,請繼續往下閱讀-----
胡中行_96
169 篇文章 ・ 67 位粉絲
曾任澳洲臨床試驗研究護理師,以及臺、澳劇場工作者。 西澳大學護理碩士、國立台北藝術大學戲劇學士(主修編劇)。邀稿請洽臉書「荒誕遊牧」,謝謝。

1

1
1

文字

分享

1
1
1
精神個案系列:間接死於日本 311 地震
胡中行_96
・2023/07/27 ・1668字 ・閱讀時間約 3 分鐘

2011 年 3 月 11 日,日本發生大地震與海嘯,造成福島核災。位於福島縣雙葉郡,5 家有精神病房的醫院隨即關閉,一下減少了 901 個該科的床位。[1]其中廣野町的高野病院,[2]距離福島第一核電廠 22 公里。院長本來希望避免大規模撤離,無奈原有的 88 名工作人員,到 19 日時,只剩 13 名。災後劇減的人力和物資,只夠照顧臥床的重症病人。於是,包括精神科在內,所有具活動能力的病患,終究踏上了旅程。[1]

2011 年地震後的福島第一核電廠。圖/Digital Globe on Wikimedia Commons(CC BY-SA 3.0)

反覆轉院

載著 37 名精神病患的巴士,由高野病院出發,開往 250 公里外,遠在埼玉縣的 A 醫院。[註]每個人的紙本病歷,之後才會另外送達;而照慣例該有的轉診摘要,則因工作量超載被直接省略。長途車程中,縱有醫護及行政人員隨行,部份病患水份仍攝取不足,出現脫水的現象。[1]

福島第一核電廠(Fukushima Daiichi Nuclear Power Plant)、雙葉郡(Futaba District)和高野病院(Takano Hospital);以及 A、B 醫院的位置。圖/參考資料 1,Figure 1(CC BY 4.0)

一名時年 53 歲,右邊視力及聽力受損,且罹患思覺失調症(schizophrenia)的男子,也在這班車上。他父母雙亡,又缺乏家族的經濟和社會支援,所以從 29 歲起就住在高野病院。[1]

精神病患對環境變化的適應力,較普通人差。長途轉院的過程,可能給他們帶來極大的壓力。再加上有些思覺失調症的病患,不容易及時告知身體狀況,或會延誤疾病的診斷與治療。抵達 A 醫院後,男子雖然沒有口頭抱怨身體不適,但是起床、進食、排泄及沐浴等,日常活動需要的協助增加。[1]

-----廣告,請繼續往下閱讀-----

2011 年 4 月 27 日,醫療人員突然發現男子有血便,立刻將他連同病歷摘要,轉往東京都三級的大型醫療院所──B 醫院,[註]接受內視鏡檢查與加護醫療。男子的精神狀況,平時靠 haloperidol 維持穩定。許多抗精神病藥物都有便秘等副作用,得長期服用瀉藥疏通。不過此時為了檢查,必須暫時停止使用後者。[1]

4 月 28 日和 5 月 9 日,他於 B 醫院分別做的上消化道內視鏡(oesophagogastroduodenoscopy,俗稱gastroscopy,即胃鏡)與大腸鏡(colonoscopy),都查無異狀。在血便逐漸自行消退的同時,男子因為太久未吃瀉藥,而產生腸阻塞(ileus),整個人變得非常虛弱。可是 B 醫院的醫療團隊,似乎未曾取得完整的交接資訊,因此沒有恢復用藥。[1]

等到 5 月 11 日,轉回熟悉的高野病院,男子已經完全臥床,無法自主活動,而且溝通困難。有段時間醫療團隊讓他禁食,以改善腹部的症狀。24 日恢復正常飲食後,他卻胃口欠佳。[1]腸道阻塞可能引發嘔吐,若不慎吸入嘔吐物,肺部便有發炎的危險。[3]或許就是這樣,男子於 6 月 30 日開始發燒。7 月 1 日的胸腔電腦斷層掃描,顯示吸入性肺炎(aspiration pneumonia)與肋膜積水(pleural effusion)。儘管投以抗生素,他還是在 8 月 16 日因病過世。[1]

肺臟(lung)、肋膜(pleura)與肋膜積水(pleural effusion)。圖/Cancer Research UK on Wikimedia Commons(CC BY-SA 4.0)

預防憾事

福島核災那段時間,被迫轉院的各類病人,與沒撤離的相較,死亡風險明顯上升;而普遍來說,大型災難後,精神病患的死亡率,又比一般民眾更高。報導這則個案的作者群認為,提供病患合宜治療的義務,不適用於重大災難等情形;並指出根據日本《民法典》,從緊急撤離到事後回院期間,醫院都沒有追蹤病患的責任。然而他們也表示,如果有比較簡單明瞭的病歷摘要,以及統一互通的雲端醫療紀錄,應該多少可以預防此類憾事。[1]

-----廣告,請繼續往下閱讀-----

  

備註

原個案報告未寫出 A、B 兩家醫院的全名。

  1. Sonoda Y, Ozaki A, Hori A, et al. (2019) ‘Premature Death of a Schizophrenic Patient due to Evacuation after a Nuclear Disaster in Fukushima’. Case Reports in Psychiatry, 3284153.
  2. 医療法人社団養高会 高野病院」高野病院(Accessed on 17 JUL 2023)
  3. Vomiting’. (JUN 2021) Healthdirect Australia.
-----廣告,請繼續往下閱讀-----
所有討論 1
胡中行_96
169 篇文章 ・ 67 位粉絲
曾任澳洲臨床試驗研究護理師,以及臺、澳劇場工作者。 西澳大學護理碩士、國立台北藝術大學戲劇學士(主修編劇)。邀稿請洽臉書「荒誕遊牧」,謝謝。