阿茲海默症患者常見腦血管動脈硬化的狀況，而動脈硬化常是個全身性的疾病，於是林舜穀醫師與其團隊思考，是否有可能用周邊動脈的波形參數，去學習並預測患者是否有阿茲海默症。
研究收入了 87 位阿茲海默症患者，以及 74 位對照組，並分做訓練組跟確認組。先以非侵入性方法，量測其橈動脈壓力波形，以及指尖光吸收變化量，並將訓練組資料輸入一個五層的機器學習模型中訓練。然後再用確認組，看看其辨認阿茲海默症患者的診斷率如何。
結果發現，整體準確度 82.86%，特異性 92.31%，AUC 為 0.83。作者群認為，這是個不錯的初步嘗試，日後或許能以這樣的方法為基礎，開發非侵入性的阿茲海默症檢測或追蹤工具。
人工智慧，或機器學習，是近年的熱門題目。選擇一個在臨床上，預測很重要，但偏偏既有的工具都預測不好的領域，選一大筆資料，分成訓練跟確認組，然後把訓練組拿去跑機器學習，取得模型後，再檢測其診斷準確度，是個常見的論文發展方向。
恭喜林醫師！
腦梗塞之後，如果有明顯的腫脹、腦壓升高，由於預後較差，稱做惡性腦梗塞。惡性腦梗塞被認為與血腦障壁的破壞有關。而在一般 MRI 判讀時所看到，在白質區域的訊號變化，也被認為跟血腦障壁的破壞有關。吳孟霓醫師與其團隊，很好奇具有白質變化的患者，是不是比較容易產生惡性腦梗塞呢？
研究收入了 2009 到 2015 共 92 位患者，發現惡性腦梗塞的患者，其梗塞區域較大，也較為嚴重，而且，也跟嚴重的白質變化有關，即使經過校正後，這個相關性還是存在。
對於一個在臨床上常見到的發現，根據其病生理機轉推測，並嘗試去統計看看，是否有可能的臨床意義差異，是個蠻好的研究開端。
恭喜吳醫師！
感謝各位給籌備團隊的匿名回饋，各項分數都在 4.64 以上，單堂分數最高達到 4.91，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架構，甚至輕鬆完成統計，並認為早該來上課的！很榮幸新思惟的課程，能給同學前所未有的突破。
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。
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！
這個梯次，是史上第一年輕，也是史上新朋友第二多的一次。共有 2 位醫學生、5 位 PGY，平均年齡僅 31.7 歲。新朋友共有 27 位，高達 75%。
這顯示我們長期的耕耘，以及校友的成績，已經讓越來越多的住院醫師、實習醫師，甚至醫學生，認可我們的教學效果，而我們也持續讓內容，更容易讓各種不同年齡與背景的夥伴們理解。
口腔癌到底會不會復發，是很難預測的臨床困境，方本詞醫師團隊，預計針對三個 DNA 修復基因：ERCC1、ERCC2、XRCC1，評估他們對口腔癌復發的預測力。
研究收入 98 位患者手術後的癌症細胞，並分為 ERCC1、ERCC2、XRCC1 三組，分析後續的總死亡率，以及相關因子。
結果發現，ERCC2 與口腔癌復發有明確正相關。不過，三種蛋白的高度表現，也都與不良預後有關。
整體來說，ERCC2 的高度表現，可能是口腔癌復發的一個重要因子。
當我們在臨床上，某類的患者做多了，有經驗也有資料，針對一些可能的 biomarker 做分析，是不錯的切入點，尤其同一群患者，可以用各種不同的 biomarker 反覆去產出研究，是很好的臨床論文寫作方式。
恭喜方醫師！
作者：自然居天然泥土塗料 鄧文濟 研究生
鮮少接觸統計學，第一次聽見有母數分析、無母數分析、序數類別、連續類別……等相關名詞，因此問了老師一堆問題。該用哪一種統計方法及如何良好呈現統計結果，一直是我煩惱的事情，就算是研究所畢業後依舊沒有得到解決。感謝新思惟用心教導，詳細解答了哪一種研究適合哪一種類型的統計方法。
