作者：中山醫學大學附設醫院 醫教部 郭之凡 醫師

想乘著 AI 熱潮做研究，卻發現自己不懂學術寫作。

大學期間，由於我會寫程式，剛好 AI 開始變得越來越熱門，於是我開始自學 Python 和 AI 技術，參加各種 AI 競賽，覺得訓練 AI 模型來解決現實中的問題很有趣。後來也開始找醫院的老師做醫療 AI 的研究，發現在寫程式訓練 AI 模型之外，要將研究結果以學術圖表和論述的形式呈現出來，完全是另一項技能。

雖然已經有論文寫作和投稿的經驗，然而，大學期間忙碌於機器學習方面的研究，即使想要開始涉獵更接近自己本科的臨床研究，到畢業前卻始終沒有多餘的時間去參與，也因為如此，雖然已經關注新思惟四年的時間了，也有去上課的意願，但仍未報名。

當手上的 AI 研究都告一個段落時，自己從醫學系畢業了，進入正式的臨床工作，也開始規劃新的研究方向，希望可以參與有興趣的專科之臨床研究。就像大學期間，我因為會寫程式，有 AI 的專長，因此有底氣向老師要 AI 的題目和資料，並把 AI 模型訓練出來，我知道自己必須具備臨床研究所需要的技能，才有勇氣向老師要題目。

生統不熟的新手，也能快速學會跑統計。

課程當中最直接能學會的，便是製作統計圖表的能力。按照課程手冊的步驟進行，MedCalc 還滿容易上手的，遇到問題也隨時可以發問，在時間壓力下，這樣的學習也很有效率，讓做事習慣小心翼翼、緩慢進行的我，不得不激發自己的效率，才能趕在時間期限內繳交作品。

最後能夠在統計製圖大賽得獎，其實滿驚喜的。我覺得課前先看一篇過去得獎作品的講解，滿有幫助的，只要避免常見錯誤，就有機會得獎！

在統計知識方面，課程深度定位在入門，會簡明扼要的複習 independent t test、paired t test、ANOVA 以及 regression，即使過去學過的生統很生疏，還是能夠吸收。課程中不太會提到較為深入或困難的統計知識，如果想要更了解統計的細節，就需要在課外自行學習。

不說你不知道，在研究路上有這些資源可用！

在統計與製圖之外，也有一節課談到研究計畫的申請，是我過去所不知道的。其實許多醫院都有院內計畫可以申請，而且以住院醫師和新進主治醫師為優先，是可以去爭取的資源與經歷，豐富自己的履歷。講師也分享了許多身為國科會計畫審查委員的經驗，來幫助學員從委員的角度，了解如何撰寫研究計畫最能通過審核，收穫良多。

期許自己能夠將工作坊所學充分運用在未來研究上，將對於自己的投資發揮到最大。

當天一早五點多，在小孩起床之前就出門趕高鐵，回家時其中一個小孩已經睡了，辛苦老婆一打二了。雖然很辛苦，但是只要未來能成功發表醫學論文，小孩長大後可以看到自己爸爸的名字出現在 PubMed 上，就會非常值得。

最新活動