0

0
0

文字

分享

0
0
0

真的有「纖維肌痛症」嗎?──《科倫醫生吐真言:醫學爭議教我們的二三事》

左岸文化_96
・2016/04/21 ・2818字 ・閱讀時間約 5 分鐘 ・SR值 548 ・八年級

纖維肌痛(fibromyalgia)

關於「慢性疲勞症候群」的各種論點,相當類似關於「纖維肌痛」(fibromyalgia)是否存在的爭論。這個新疾病在一九九○年進入醫學詞彙。它的名字來自於希臘文 algia,意思是「疼痛」;myo,意思是「肌肉」;以及拉丁文 fibro,指的是「肌腱與韌帶的結締組織」。纖維肌痛指的是持續的全身性肌肉疼痛,這經常伴隨著其他症狀,像是疲倦與失眠、腹瀉與腹脹、膀胱躁動和頭痛。有許多的案例是在外科手術、病毒感染、身體受傷或是情感創傷等創傷性事件之後發生的,但其他案例則找不到原因。堪薩斯的威其塔研究中心基金會(Wichita Research Center Foundation)主任腓德烈克.烏爾夫(Frederick Wolfe)醫師,是第一位協助界定此一新疾病的人。從一九七○年代開始,他就觀察到有越來越多的病人罹患瀰漫性的肌肉疼痛,卻沒有任何發炎或肌肉病變的證據。在一九八七年,烏爾夫召集了二十名觀察到相似症狀的加拿大和美國的風濕病專家,他們發展出一種簡單的臨床檢驗方法,並得到美國風濕病學院(American College of Rheunatology)的背書。「纖維肌痛」這個新疾病誕生了。此一檢驗方法是醫師用力按壓十八個指定之肌肉與韌帶連接到骨頭的點。如果病人在十一個或十一個以上的點感到疼動的話,就可以診斷他罹患纖維肌痛。

detail_fibromyalgia
「纖維肌痛症」的檢驗方法:醫師按壓十八個指定之肌肉與韌帶連接到骨頭的點。如果病人在十一個以上的點感到疼動的話,就可以診斷他罹患纖維肌痛。圖/medicinenet

《紐約客》的記者在下面的敘述中,描述了病人是怎麼看待纖維肌痛的。這位病人(文章中把她稱為麗茲,Liz)是記者的朋友。她是一位五十一歲剛離婚的女性,在新英格蘭一間頂尖的學院教書。麗茲在一九九四年開始出現問題,那年她接受了鼻竇炎手術。她在手術後沒有復原而感到疲倦、失眠和肌肉痛:「我的內科醫師跟我講這都來自於緊張,他說我已經步入中年了,這是撫養分別為五歲和八歲的兩個小孩的壓力所帶來的反應。」(引自Groopman,82)沒有人能夠解釋麗茲的狀況:「麗茲在過去曾間歇地陷入憂鬱症,但這次的感覺很不一樣。她求診的一位專家認為,她的松果體可能在鼻竇炎手術時被傷到,但徹底的內分泌學檢驗卻顯示事情並非如此。」(引自Groopman,81)

幾次試著診斷這個疾病的嘗試都失敗之後(有一陣子她的狀況被解釋為罕見的食物過敏),她就被診斷為纖維肌痛和慢性疲勞症候群。然後,可以想像到的,麗茲不斷從一個醫生推給下一個醫生。在醫療照護受到嚴格管理的時代,醫師們沒有時間或動機來聆聽一連串似乎沒完沒了又無法解釋的症狀。纖維肌痛的病人經常引發醫療人球遊戲,每個醫師都急著儘快把病人趕出去給另一個同事。有位醫師稱這種病人為「醫療專業的災害」。(引自Groopman,81)

纖維肌痛仍沒有治療方法。麗茲在走投無路之下改尋求另類醫療:一位越南的和尚幫她針灸但沒有效果;一位整脊師診斷她的病因是來自於青少年時代的車禍導致頸部受傷;一位整骨師的處方則是她的餘生都得吃止痛藥。麗茲現在變得更加絕望而不顧一切,又回過頭找一位內科醫師。

-----廣告,請繼續往下閱讀-----

「我對他講的第一件事是:『你得相信我是真的生病了,而非只是在這裡抱怨而已。』」醫師開了利得靈(Ritalin)來治療她的疲倦,開了安必恩(Ambien)來治療她的失眠……最近她服用百憂解(Prozac)但沒有什麼效果。她仔細搜尋網路,還查閱纖維肌痛與慢性疲勞症候群的相關新聞報導,尋找可能的解決辦法。她這麼說:「我已經試了所有的辦法了。」……去年她終於放棄並停止教書,原因是疼痛、疲倦以及通常被稱為「纖維迷霧」(fibrofog)的間歇性發作,所謂纖維迷霧指的是她無法清晰地思考。(引自Groopman,86)

當麗茲談論這個疾病的名稱時,纖維肌痛似乎正和慢性疲勞症候群融合成一個疾病:「『慢性疲勞成為一個羞辱人的名詞──引人嘲笑的雅痞病。』麗茲這麼說:『纖維肌痛則較為受到社會所接納。』」(引自Groopman,86)

F4 成員朱孝天自稱因為罹患纖維肌痛症,無法劇烈運動,導致體重上升。圖/YouTube

就像慢性疲勞症候群一樣,醫學界有股力量強烈駁斥此一疾病的存在。他們提出一個如今已是老生常談的論點,認為將症狀歸類成一個新疾病,其所帶來的傷害要比好處更多。最先辨認出此一疾病的腓德烈克.烏爾夫,現在也持這樣觀點。「我們有段時間以為發現了一個新的疾病……但這是國王的新衣。在八〇年代初,我們看到病人帶著疼痛從一個醫師換到另外一個醫師。我們相信透過告知他們罹患了纖維肌痛,可以減輕壓力以及減少對醫療資源的使用。這個想法是,我們可以把他們的痛苦解釋為纖維肌痛而能夠幫助他們,這是個偉大的人道想法──然而結果卻不是如此。我現在的觀點是,我們在創造病痛而非治療病痛。」(引自Groopman,89)烏爾夫的經驗是,他在纖維肌痛病人身上發現的痛點數目和病人不快樂的程度成正比!

正因為現在有個疾病範疇可以把它們塞到裡面,而強化了原本尋常的症狀。批評者指出,有三分之一健康的人在任何時刻都會有肌肉的痠痛,而有五分之一會自稱相當疲勞。尤有甚者,整體健康人口有近百分之九十,每二到四週會說自已至少出現下列的身體症狀之一,像是頭痛、關節痛、肌肉僵硬或腹瀉。因此一個典型的成年人每四到六天就會有一種症狀。對傾向於認為自己罹患纖維肌痛的人而言,這些尋常的身體症狀成為日益受到關注的焦點。哈佛大學精神科教授亞瑟.巴斯基醫師(Dr. Arthur Barsky)說:「他們陷入這樣的信念,認為其症狀是由疾病所引起的;而且預期未來會衰弱而無可救藥,這使得他們對自己的身體更加警覺,也使他們的症狀強度增加。」(引自Groopman,86)巴斯基也指出,有些強大的團體可以從疾病獲利:「包括醫師以及其他經營診所的醫療人員、從事殘障訴訟的律師,以及行銷不實療法的製藥公司。」(引自Groopman,87)對那些主張當事人殘障的律師而言,纖維肌痛成為一個非常方便的診斷,因為這個疾病在很大的程度上依賴病人自己的說法。一項針對六家醫學中心、一千六百零四名病人的研究指出,有四分之一以上的纖維肌痛病人領取殘障給付。

毫無疑問地,纖維肌痛是當今醫學最受爭議的疾病範疇之一。許多和《紐約客》記者談過話的醫生,拒絕具名表達他們的觀點。有些醫師擔心只要表露出任何對罹患者的同理心,都會導致巨量的病人轉介到自己身上;其他的人則擔心,如果對這個症候群表達懷疑的話,會讓他們遭受公眾攻擊。一位對這個疾病採批評態度的知名評論者宣稱,他收到超過兩百封的仇恨郵件,還在網路和新聞通訊中遭到纖維肌痛倡議者的攻擊。

-----廣告,請繼續往下閱讀-----

 

本書從「安慰劑效應」到「接種疫苗的決定」,共舉出八個例子,說明醫學複雜的面向,並用合理的態度面對醫學得不確定性,改善與醫療專業的互動,《科倫醫生吐真言:醫學爭議教我們的二三事》,左岸文化出版。

-----廣告,請繼續往下閱讀-----
文章難易度
左岸文化_96
39 篇文章 ・ 11 位粉絲
左岸的出版旨趣側重歷史(文明史、政治史、戰爭史、人物史、物質史、醫療史、科學史)、政治時事(中國因素及其周邊,以及左岸專長的獨裁者)、社會學與人類學田野(大賣場、國會、工廠、清潔隊、農漁村、部落、精神病院,哪裡都可以去)、科學普通讀物(數學和演化生物學在這裡,心理諮商和精神分析也在這裡)。

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。