
這次上課,有許多醫學生、PGY 與住院醫師,在電腦操作上與學習都相當快速,所有圖表都能在時間內完成,真的是很厲害。
能夠完成第一次,就是很棒的起步。以下我們將繼續協助各位看到作品中一些能夠改進的細節,並且一起來欣賞兩位得獎同學的作品。
我們的互動實作時間,除了實際操作之外,並有資訊視覺化的教學。同學們能夠在短短的時間內吸收並且應用,學習效果相當好。也歡迎推薦身邊的親朋好友來上課。

這次上課,有許多醫學生、PGY 與住院醫師,在電腦操作上與學習都相當快速,所有圖表都能在時間內完成,真的是很厲害。
能夠完成第一次,就是很棒的起步。以下我們將繼續協助各位看到作品中一些能夠改進的細節,並且一起來欣賞兩位得獎同學的作品。
我們的互動實作時間,除了實際操作之外,並有資訊視覺化的教學。同學們能夠在短短的時間內吸收並且應用,學習效果相當好。也歡迎推薦身邊的親朋好友來上課。
作者:林口長庚醫院 兒童腎臟科 顏辰瑋 醫師
相關文章:[快訊] 顏辰瑋醫師團隊,關於新冠病毒 Omicron BA.2 感染的臨床特徵與對台灣北部兒科急診照護影響之研究,獲 Pediatrics and Neonatology 刊登!

雖然已經過了好一段時間,但時至今日,相信很多人對於新冠病毒大流行的情境仍歷歷在目。特別是很多醫療從業人員,對疫情可能依舊是心有餘悸。
我目前在醫學中心的兒童急診服務,台灣疫情大爆發的時期,從事第一線醫療業務的我,對於病童感染新冠病毒的臨床狀況更加有感。在當時的氛圍底下,所有可能跟新冠病毒感染沾上邊的事情、有疑似病況的小朋友,通通都會湧至兒童急診就診,其中不乏暗藏著可能的重症患者,那時的我,每次下班都是精疲力竭,甚至每次要上班前,心中盡是滿滿焦慮、不願舉足向前的消極心態。
在那樣的時空背景之下,主任及長官們試圖分析新冠病毒在兒童的族群,特別是在兒童急診所造成的臨床影響,跟我們過去所遇到的疾病是否存在著不同,或是在不同年齡層的族群產生的症狀是否也有所差異。
在經過數次的多方討論,我有幸承蒙長官們的信任,被賦予了收集、整理、分析所有在新冠疫情大爆發的期間,來訪本院兒童急診的病童。過程中,主任深知這樣的臨床時事相關的研究是非常有時效性的,因此他持續不斷的、不吝的提供我有用的想法及建議,並適時地指點出我的盲點,讓我能更有效率地完成製圖、製表及文章的撰寫。

重症病房有許多病人需要插管接上呼吸器來維持生命,但拔管過早,可能讓病人無法順利呼吸,需再次插管,大幅增加死亡風險;若拔管過晚,則會拖延病人的康復,甚至引發感染等併發症。
黃國揚醫師團隊嘗試運用人工智慧(AI)技術分析病人狀況,幫助醫療團隊準確判斷拔管的時機。他們蒐集 2015 年到 2020 年,289 名台灣病患的呼吸數據,並將這些數據輸入人工智慧系統進行分析,測試了三種深度學習模型:RNN(循環神經網路)、LSTM(長短期記憶模型)、GRU(門控循環單元模型)。
研究結果顯示,GRU 模型結合 Tanh 的啟動函數,在所有測試中表現最佳,尤其是在每 30 秒平均化數據下,模型能更好地捕捉病患的狀態變化,準確率達到 94.44%。相較於其他人工智慧模型,GRU 模型運算速度更快且效能穩定,更適合應用在臨床實際環境中。
有了人工智慧輔助的拔管預測方法,醫療團隊能更有信心決定何時拔管,減少不必要的失敗風險,讓病患與家屬更安心。
恭喜黃醫師!
想依照老師的建議,用更好的文稿編排方式呈現自己的論文,但期刊偏偏又有一大堆規定,到底該不該遵循呢?在這支影片中,吳爵宏醫師會分享自己實際投稿的經驗,徹底解答你的疑慮。

答:(蔡依橙)
如果你還沒有確認正確性的能力,千萬不要使用 AI 去做你無法驗證的事。
最近有同學在 Office hour 問我問題,我發現他的提問有點奇怪,在我進一步釐清並追問之後,才發現原來同學是使用 AI 工具去讀論文。
主題我稍微做點馬賽克,大概類似「給予病人某介入之後,去評估疼痛指數的下降程度」。所以他用 PubMed 找了有這些介入也有疼痛指數的論文,全部丟進 AI 工具裡面。
接著,他對這些 AI 工具詢問,請他們萃取出做統合分析需要的數值。
AI 給了一堆中文說明跟歸納,並告訴他,其中好幾篇文章,並沒有給出疼痛指數的數據。

過往製作牙冠模型,傳統方法是用材料在牙齒上取模,但過程繁瑣且讓患者感到不舒服;而今有數位掃描儀,只要口內掃描即可取模,流程快速且更為精準。即使如此,數位掃描牙冠的精確度仍受多種因素影響,例如:牙齦與牙齒邊緣的距離、邊緣線的深度等。
何偉宏醫師團隊想找出在數位掃描中提升精確度的方法,讓牙醫製作出更貼合的牙冠,於是團隊設計三種不同形狀的人工牙模型:「圓肩設計」、「肩設計」和「斜肩設計」,並搭配不同厚度的鈦合金套來模擬牙齦擴張效果(0.2 mm、0.3 mm、0.4 mm 和 0.5 mm),以測試數位掃描在各種情況下的精確度差異。
研究結果顯示,要取得理想的數位掃描結果,牙齦擴張寬度至少需要達到 0.3 mm,邊緣線的深度應在牙齦下方 1 mm 內,否則掃描精確度會下降。而且不同牙冠設計的掃描結果也各異:「圓肩設計」在各種情況下提供最佳的精確度,能清晰呈現牙冠模型的細節;「肩設計」次之;「斜肩設計」效果較差,尤其在較深的齒齦處易失真。研究還發現,在牙齦齊平或稍上方的位置使用 0.4 mm 以上的擴張寬度,數位掃描的精確度會明顯提升。
這項研究為數位牙科治療提供明確的標準,協助牙醫製作符合患者口腔需求的牙冠,減少傳統印模不精確所帶來的修復問題。
恭喜何醫師!
投稿被期刊社「卡」了,連職涯升等也受影響了嗎?來聽聽陳醫師的實用策略與建議,幫助你在投稿路上找到合適的解決方法,讓研究更順利推進,不再被困住!