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。

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

3
3

文字

分享

0
3
3
圖形處理單元與人工智慧
賴昭正_96
・2024/06/24 ・6944字 ・閱讀時間約 14 分鐘

  • 作者/賴昭正|前清大化學系教授、系主任、所長;合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒,那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬.霍金(Stephen Hawking) 英國理論物理學家

大約在八十年前,當第一台數位計算機出現時,一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧;但七十年後,還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」(Artificial Intelligent,簡稱 AI)的能力最近十年突然起飛,在許多(所有?)領域的測試中擊敗了人類,正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元(graphic process unit,簡稱 GPU)是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia(英偉達)股票從每股不到 $5,上升到今天(5 月 24 日)每股超過 $1000(註一)的全世界第三大公司,其創辦人(之一)兼首席執行官、出生於台南的黃仁勳(Jenson Huang)也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人!可是多少人了解圖形處理單元是什麼嗎?到底是時勢造英雄,還是英雄造時勢?

黃仁勳出席2016年台北國際電腦展
Nvidia 的崛起究竟是時勢造英雄,還是英雄造時勢?圖/wikimedia

在回答這問題之前,筆者得先聲明筆者不是學電腦的,因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事,不是我們外行人需要了解的;但作為一位現在的知識分子或公民,了解基本原理則是必備的條件:例如了解「能量不滅定律」就可以不用仔細分析,即可判斷永動機是騙人的;又如現在可攜帶型冷氣機充斥市面上,它們不用往室外排廢熱氣,就可以提供屋內冷氣,讀者買嗎?

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」(central process unit,簡稱 CPU)。CPU 是電腦的「腦」,其電子電路負責處理所有軟體正確運作所需的所有任務,如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作;但為了簡單化,我們在這裡所談的工作將只是執行算術和邏輯運算的工作(arithmetic and logic unit,簡稱 ALU),如將兩個數加在一起。在這一簡化的定義下,CPU 在任何一個時刻均只能執行一件工作而已。

-----廣告,請繼續往下閱讀-----

在個人電腦剛出現只能用於一般事物的處理時,CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後,CPU 開始顯示心有餘而力不足:例如電玩動畫需要應用程式處理數以萬計的像素(pixel),每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年,英偉達將其一「具有集成變換、照明、三角形設定/裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」(註二)定位為「世界上第一款 GPU」,「GPU」這一名詞於焉誕生。不像 CPU,GPU 可以在同一個時刻執行許多算術和邏輯運算的工作,快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢?因每一時刻只能做一件事,所以其步驟為:

  • 計算 7×5;
  • 計算 6/3;
  • 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢?很多工作便可以同時(平行)進行:

-----廣告,請繼續往下閱讀-----
  • 同時計算 7×5 及 6/3;
  • 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間,但如果我們有 16 對 a×b 要相加呢?單獨的 CPU 需要 31 個運算的時間(16 個 × 的運算時間及 15 個 + 的運算時間),而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間(1 個 × 的運算時間及 4 個 + 的運算時間)!

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了,如何將它擺正成右圖呢? 一句話:「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點(座標 x, y)組成的,所以這句簡單的話可讓 CPU 忙得不亦樂乎了:每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

-----廣告,請繼續往下閱讀-----

即每一點均需要做四個 × 及兩個 + 的運算!如果每一運算需要 10-6 秒,那麼讓《我愛科學》一書做個簡單的角度旋轉,便需要 6 秒,這豈是電動玩具畫面變化所能接受的?

圖形處理的例子

人類的許多發明都是基於需要的關係,因此電腦硬件設計家便開始思考:這些點轉換都是獨立的,為什麼我們不讓它們同時進行(平行運算,parallel processing)呢?於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 106 運算,那上圖的轉換只需 10-6 秒鐘!

GPU 的興起

GPU 可分成兩種:

  • 整合式圖形「卡」(integrated graphics)是內建於 CPU 中的 GPU,所以不是插卡,它與 CPU 共享系統記憶體,沒有單獨的記憶體組來儲存圖形/視訊,主要用於大部分的個人電腦及筆記型電腦上;早期英特爾(Intel)因為不讓插卡 GPU 侵蝕主機的地盤,在這方面的研發佔領先的地位,約佔 68% 的市場。
  • 獨立顯示卡(discrete graphics)有不與 CPU 共享的自己專用內存;由於與處理器晶片分離,它會消耗更多電量並產生大量熱量;然而,也正是因為有自己的記憶體來源和電源,它可以比整合式顯示卡提供更高的效能。

2007 年,英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後,科學家發現獨立 GPU 不但能夠快速處理圖形變化,在需要大量計算才能實現特定結果的任務上也非常有效,因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理,不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化,也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬(註三)等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分,正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲,遠遠落在英偉達(80%)及超微半導體公司(Advance Micro Devices Inc.,19%,註四)之後,大約只有 1% 的市場。

-----廣告,請繼續往下閱讀-----
典型的CPU與GPU架構

事實上現在的中央處理單元也不再是真正的「單元」,而是如圖二可含有多個可以同時處理運算的核心(core)單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心,因此其核心功能不如 CPU 核心強大,但它們能同時高速執行大量相同的指令,在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心;GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書,不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等,也知道它擺斜了。這種「平行運作」的能力不僅限於視覺,它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是:嘴巴在講,腦筋思考已經不知往前跑了多少公里,常常為了追趕而越講越快,將不少學生拋到腦後!這不表示筆者聰明,因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技,因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣(matrix)的讀者應該知道,如果用矩陣和向量(vector)表達,上面所談到之座標轉換將是非常簡潔的(註五)。而矩陣和向量計算正是機器學習(machine learning)演算法的基礎!也正是獨立圖形處理單元最強大的功能所在!因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石:它們的架構就是充分利用並行處理,來快速執行多個操作,進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」(deep learning)。

黃仁勳在 5 月 22 日的發布業績新聞上謂:「下一次工業革命已經開始了:企業界和各國正與英偉達合作,將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升,幫助企業降低成本和提高能源效率,同時擴大收入機會。」

附錄

人工智慧的實用例子:下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後,讀者是不是認為筆者該退休了?

-----廣告,請繼續往下閱讀-----

GPU(圖形處理單元)和 AI(人工智慧)之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力,特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步,使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率,使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐,而且使其更具成本效益,因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展,GPU 的角色可能會變得更加不可或缺,推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標,這些神經元網路可以獨立但有凝聚力地工作,使我們能夠執行複雜的任務,例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外,研究表明,與非人類動物相比,人類大腦具有更多平行通路,這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上,一邊聽音樂一邊做飯,或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技,因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵:透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

(註一)當讀者看到此篇文章時,其股票已一股換十股,現在每一股約在 $100 左右。

(註二)組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」(GeForce 256)插卡吧?

(註三)筆者於 1984 年離開清華大學到 IBM 時,就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士(fellow)」Enrico Clementi 的團隊:因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層,我們只能自己寫軟體將 8 台中型電腦(非 IBM 品牌!)與一大型電腦連接來做平行運算,進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

-----廣告,請繼續往下閱讀-----

(註四)補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商:英偉達及 ATI(Array Technology Inc.)。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立,2006 年被超微半導體公司收購,品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐(Lisa Tzwu-Fang Su)博士為執行長後,股票從每股 $4 左右,上升到今天每股超過 $160,其市值已經是英特爾的兩倍,完全擺脫了在後者陰影下求生存的小眾玩家角色,正在挑戰英偉達的 GPU 市場。順便一題:超微半導體公司現任總裁(兼 AI 策略負責人)為出生於台北的彭明博(Victor Peng);與黃仁勳及蘇姿豐一樣,也是小時候就隨父母親移居到美國。

(註五)

延伸閱讀

  • 熱力學與能源利用」,《科學月刊》,1982 年 3 月號;收集於《我愛科學》(華騰文化有限公司,2017 年 12 月出版),轉載於「嘉義市政府全球資訊網」。
  • 網路安全技術與比特幣」,《科學月刊》,2020 年 11 月號;轉載於「善科教育基金會」的《科技大補帖》專欄。
文章難易度

討論功能關閉中。

賴昭正_96
43 篇文章 ・ 56 位粉絲
成功大學化學工程系學士,芝加哥大學化學物理博士。在芝大時與一群留學生合創「科學月刊」。一直想回國貢獻所學,因此畢業後不久即回清大化學系任教。自認平易近人,但教學嚴謹,因此穫有「賴大刀」之惡名!於1982年時當選爲 清大化學系新一代的年青首任系主任兼所長;但壯志難酬,兩年後即辭職到美留浪。晚期曾回台蓋工廠及創業,均應「水土不服」而鎩羽而歸。正式退休後,除了開始又爲科學月刊寫文章外,全職帶小孫女(半歲起);現已成七歲之小孫女的BFF(2015)。首先接觸到泛科學是因爲科學月刊將我的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」推薦到泛科學重登。