2025 / 6 / 13

[快訊] 吳政彥營養師與林裕民醫師團隊，關於睡眠呼吸中止症合併肥胖症成年患者接受 tirzepatide 治療與減重代謝手術的臨床結果比較之研究，獲 Diabetes Research and Clinical Practice 刊登！

文章介紹

吳政彥營養師與林裕民醫師團隊想要比較兩種治療方式，在患有睡眠呼吸中止症合併肥胖症病人身上的效果：一種是使用 tirzepatide，另一種則是接受減重代謝手術。

研究團隊透過 TriNetX，回溯性分析了患有睡眠呼吸中止症且同時有肥胖問題的病人資料。他們將病人分成兩組：一組使用 tirzepatide 治療，另一組接受減重代謝手術。為了讓兩組病人的基本條件更相近，研究者使用了傾向分數配對的統計方法來平衡兩組的基本特徵。

研究的主要觀察指標包括：死亡率、重大心血管不良事件，以及重大腎臟不良事件的綜合結果。重大心血管不良事件通常包括心肌梗塞、中風等嚴重併發症；重大腎臟不良事件則是指腎功能嚴重惡化或需要洗腎等情況。

經過配對後，兩組各有 10269 名病人，基本特徵都很相似。研究結果顯示，在主要的綜合結果方面，兩種治療方式並沒有顯著差異，風險比為 0.87。單獨看死亡率的話，兩組也沒有明顯不同，風險比是 0.90。在重大心血管不良事件方面，同樣沒有顯著差異，風險比為 1.16。

不過值得注意的是，使用 tirzepatide 的病人在腎臟相關併發症方面表現比較好。相較於接受減重手術的病人，使用 tirzepatide 的病人發生重大腎臟不良事件的風險降低了約 40%，風險比為 0.60，這個差異在統計上是有意義的。

總結來說，對於同時患有睡眠呼吸中止症和肥胖症的成年病人，使用 tirzepatide 藥物治療的整體臨床效果與接受減重代謝手術相當。雖然在綜合結果、死亡率，以及重大心血管事件方面兩者沒有顯著差異，但 tirzepatide 在保護腎臟功能方面顯示出明顯優勢，能夠顯著降低腎臟相關併發症的發生率。

這個發現對於臨床醫師在為這類病人選擇治療方式時提供了重要的參考依據。

恭喜吳營養師與林醫師！

要上班又要學習臨床技能，哪來時間寫論文？時間就這麼少，有論文的人是不是都靠背景？來看看講師的建議。

發表於共享榮耀 | 已標籤 Diabetes Research and Clinical Practice, original article, PubMed, Tirzepatide, 吳政彥, 林裕民, 營養師, 睡眠呼吸中止症, 肥胖症 | 已關閉迴響。

2025 / 6 / 13

[快訊] 黃國揚醫師團隊，運用邊緣運算與機器學習預測拔管成功率以提升醫療 AI 穩定性之研究，獲 Scientific Reports 刊登！

文章介紹

對於那些需要依賴呼吸器，來維持生命的重症患者來說，何時能成功脫離呼吸器（拔管），是一個非常關鍵的醫學判斷。為了解決這個問題，黃國揚團隊嘗試結合「邊緣運算（Edge Computing）」和「機器學習（Machine Learning）」這兩項先進技術，讓電腦透過學習大量的醫療數據，開發了一套能「即時預測病人是否能順利拔管」的人工智慧系統，目的是幫助加護病房的醫師做出更準確的決策，減少拔管失敗帶來的併發症與醫療資源浪費。

這次研究透過「邊緣運算」技術，直接在病人身旁的裝置上，即時分析呼吸器的數據（像是潮氣量、呼吸頻率、氣道壓力等），不需等資料送回中央伺服器再計算，這樣可以大幅降低延遲、減少資料傳輸量高達 83.33%，也提升整體系統的穩定性與安全性。

黃醫師團隊使用了兩種常見的機器學習演算法來訓練模型：Random Forest 和 XGBoost。結果發現 XGBoost 的表現普遍較好，不論在準確率還是計算速度上都比較優異。

這項技術的好處是，僅需呼吸器上的數據，不必另外蒐集生命徵象，也不需更換呼吸器型號，只要能連上網路即可使用，有助於未來在不同醫療機構快速推廣應用。

黃醫師團隊認為，這項結合「邊緣運算 + 機器學習」醫療 AI 系統的研究，能有效幫助臨床醫師做出更即時、準確的拔管決策，進而提升病人康復機率，減少醫療負擔，是智慧醫療在重症照護上的重要突破。

恭喜黃醫師！

現今技術成熟的大環境下，如何在自己的專業領域，找到創新應用的方法？重點就是不能只在自己的圈圈，有時候跨一個領域，整個加乘效果會滿大的。一起來看講師怎麼說！