訓練電腦辨認病歷內容，並能自動做出正確的 ICD-10 編碼，是目前許多機器學習努力的目標。因為每個醫院的病歷寫法，以及編碼習慣都會略有不同，所以如果在學習時能使用多個醫學中心的資料，會更理想。
不過，將不同醫院的資料都集中到一個醫院外的資料訓練中心，這本身就有資料隱私的疑慮。這類問題在非醫療領域也有，於是 Google 在 2016 年提出聯盟式學習概念，讓資料可以不用離開各自的醫院或機構，藉由本地訓練加上參數共享，以取代資料共享，希望能在保留隱私的前提下，訓練出更好的人工智慧。
陳醫師團隊將這樣的概念，應用於亞東、台大、北榮三家醫學中心，建立聯盟式機器學習模型，除了確認了可行性之外，其表現也比個別醫院訓練的都要更好。
恭喜陳醫師！
感謝各位給籌備團隊的匿名回饋，各項分數都在 4.55 以上，謝謝大家的肯定。
根據課前的統計分析，本次學員組成如下：
本次的手寫回饋內容依然非常精彩，多位朋友分享了課程讓人能快速搞懂論文寫作，甚至輕鬆完成統計，並希望在學生時代早點來上課！很榮幸新思惟的課程，能給同學前所未有的突破。
各種匿名建議，我們均已在會議中提出討論，將持續改進。感謝各位的參與和鼓勵！
關於外科系的研究課程，歡迎參考我們的《臨床研究與發表工作坊》，從統計內容到講師，都是針對外科領域所打造，有外科雜誌 editor 與 reviewer 角度分享、有限個案數相關的統計、survival analysis 統計製圖、如何有效回覆 reviewer 等不同主題。
關於課後在寫作過程中遇到的問題，專屬於新思惟工作坊校友的線上 Office Hour，開辦囉！
上過研究課程的歡迎來問研究，上過簡報課程的可詢問簡報問題，上過統合分析課程的歡迎提出統合卡關的地方，上過個人品牌的可問個人品牌。生涯發展問題則不限工作坊課程都可以問。
問：感謝校長指導，發表了幾篇論文，簡報也做得還不錯，開始有些知名度。第一次被學會邀請擔任座長，主持的經驗不足，更沒想到講者是外國人，且英語不是第一語言，口音聽說很重。
自己的英文實在不夠好，我很怕講者的口音讓我完全聽不懂，更擔心演講後的問答時間，不曉得怎麼主持，前後話語不曉得怎麼銜接。
請問校長有沒有什麼建議？有沒有可以拉過時間的必問公式問句？在不失禮貌、不太冷場的情況下，又能夠主持得體，給自己一點信心？我還有兩天時間，請問怎麼準備？
答：（蔡依橙）
恭喜開始登上國際舞台！請放心，這不難，你需要作的準備有兩個方向。
首先，這是國際會議，所以事前一定有講題，甚至還有摘要，請先看過。然後，上網搜尋這個演講者，以及他過去的論文，把跟這次講題有關的都讀一下，這樣你就知道他可能會說什麼，相關的關鍵字也都先預習了。
閱讀過程中，如果你發現有些問題想問，太好了，快點寫下來。這些就是沒人舉手問問題的冷場時刻，你可以用來破冰的內容。
現場聽他演講時，即使口音再重，根據 slide 上的內容，你有特別的想法的話，就可以筆記一下，作為等下主持時，評論的內容，或者率先提出來的問題。
問：感謝校長上次 Office Hour 指導，順利完成統計。這次 reviewer 問我們，實驗組的病人到底是依什麼標準納入？我預計回答，內文有提到 inclusion criteria，如果符合其中某幾項條件，手術醫師再依自己臨床判斷決定要不要用這種方法。請問這樣可以嗎？
答：（蔡依橙）
還好同學有來問，這是個很細微、常被忽略，但很可能激怒審閱者的細節。
首先，你說內文有提到 inclusion criteria，這相當於是在說「我明明有寫，你都沒在看」，會有很強的激怒效果，很可能就直接按下 reject。
不管審閱者有沒有仔細看，這種問題一律就是謝謝他的仔細審閱，然後重複再說一次。
問：校長好，上過兩個研究課程後，目前有兩篇投稿，也剛好在 revision，謝謝課程的幫助。我想問的是其中一篇的 revision。我們是做回溯研究，因為是醫學中心，個案不少，根據狀況分成四組算預後。Reviewer 問：「樣本數是如何決定的？」
不過我們的樣本數，並沒有特別設計（如進行 Power analysis 等），想請問老師該怎麼回答好？直接回答「我們沒有特別設計，剛好是一段期間內的收案人數」嗎？因為 reviewer 其實問的問題很少，我有點擔心這樣會回得太簡單了。
答：（蔡依橙）
這個 reviewer 應該是想讓你過，放水的，回溯性研究就是剛好那麼多人，也沒什麼原因。
回覆就有誠意就好，重新說明一次你們收案多久，有多少這樣的患者，然後引用一些也做類似研究的文獻，說明別人一年大概有幾個案例，你們有幾個，點出自己的數量其實不錯，或者甚至比別人多，這樣就行。
他只是需要一個好理由按下 accept。
