From the Democratization of Medical Knowledge to the Democratization of Medical Data

As large language models (LLMs) rapidly enter the healthcare sector, artificial intelligence is evolving beyond providing general health information and is beginning to interact directly with patients’ most sensitive personal health data.

A recent Viewpoint article in JAMA, “When Patients Share Everything With an AI Chatbot: Risks and Opportunities of Large Language Models,” examines the opportunities and challenges posed by a new generation of health-focused AI platforms such as ChatGPT Health. The authors argue that as patients gain the ability to synchronize their complete electronic health records (EHRs) with AI systems, healthcare is moving from the democratization of medical knowledge toward the democratization of medical data.

While this transformation has the potential to advance personalized medicine, it also raises unprecedented concerns regarding privacy, bias, and regulatory oversight.

What Is the Potential Value of AI Access to Complete Medical Records?

In theory, if AI systems can integrate patients’ medical histories, health monitoring data, wearable device information, and lifestyle records, they may provide several important benefits:

*More personalized health recommendations

*Earlier identification of rare diseases

*Enhanced epidemic and public health surveillance

*Greater utilization of Real-World Data (RWD)

*Accelerated clinical research and drug development

For researchers, large-scale and real-time integration of health data may become a critical foundation for the future of precision medicine.

Medical Records Are Not Entirely Objective

However, the authors highlight an important reality:

Electronic health records are not neutral repositories of facts.

In addition to objective laboratory and diagnostic findings, medical records often contain subjective assessments and interpretations made by healthcare professionals.

Examples include:

1. Behavioral descriptions of patients

2. Preliminary diagnostic impressions

3. Unconfirmed clinical assumptions

4. Potentially biased language or documentation

If AI systems learn directly from these records, they may reproduce—or even amplify—existing biases.

For example, a patient suffering from chronic pain may have previously been labeled as “drug-seeking.” Even if subsequent evaluations confirm a legitimate physiological cause for the pain, an AI system may still be influenced by earlier documentation and provide less appropriate recommendations.

In other words, AI systems may learn not only medical knowledge but also the biases embedded within healthcare systems.

AI May Reinforce Existing Health Disparities

The authors further note that healthcare systems already face significant health disparities.

Patients from different racial, ethnic, socioeconomic, and demographic backgrounds may experience unequal diagnosis and treatment.

If such disparities are reflected in EHR data and AI systems treat these records as objective truth, future applications may generate:

*Biased diagnoses

*Biased recommendations

*Biased risk assessments

As a result, existing healthcare inequities could become further entrenched.

Therefore, the risks associated with AI may stem not only from the model itself but also from the data used to train and inform it.

Can HIPAA Protect Patient Data Uploaded to AI Platforms?

Another key issue discussed in the article is data privacy.

Many patients assume that their medical information remains protected under the Health Insurance Portability and Accountability Act (HIPAA).

However, the authors point out that once patients voluntarily upload their medical records to a commercial AI platform, those data may no longer be fully protected under HIPAA.

The reason is that most AI platforms are not considered HIPAA-covered entities.

Consequently:

1. HIPAA restrictions on data use may not apply.

2. HIPAA security requirements may not apply.

3. HIPAA breach notification obligations may not apply.

Although AI companies may promise strong privacy protections, corporate privacy policies are fundamentally different from legally enforceable regulatory safeguards.

Lack of Transparency May Be the Greater Concern

According to the authors, the most significant challenge may not be data breaches, but rather the lack of transparency.

Currently, independent researchers have limited ability to evaluate:

*Whether AI systems exhibit bias against specific populations

*Whether safety incidents have occurred

*Whether inappropriate medical recommendations are being generated

*Whether AI is influencing patients’ healthcare-seeking behavior

Because these data remain under the control of platform developers, external validation is often impossible.

As a result, even when AI companies report strong performance, there may be insufficient independent evidence to verify such claims.

PI-Union Medical Science Commentary

Health-focused AI platforms such as ChatGPT Health represent an important milestone in the evolution of AI-powered healthcare. For the first time, patients may be able to provide AI systems with comprehensive health records for personalized analysis.

However, when AI begins reading entire medical records, it receives not only information about diseases and treatments but also decades of accumulated clinical assumptions, documentation biases, and systemic healthcare challenges.

For this reason, the future development of healthcare AI should not focus solely on technological innovation. Equal attention must be given to data governance, clinical evidence generation, regulatory oversight, and ongoing performance monitoring.

Only through robust safeguards can AI become a tool for improving healthcare outcomes rather than amplifying existing inequities and risks.

Reference: When Patients Share Everything With an AI Chatbot–Risks and Opportunities of Large Language Models

Reviewer: PI-Union Medical Science Ltd.

* E-mail: piunion@pi-union.com

* Official Website: https://pi-union.com/

* Facebook: www.facebook.com/piunion2020

* Youtube: www.youtube.com/@pi-union

* Instagram: www.instagram.com/piunion2020

* LINE: @654eukag

從醫療知識民主化到醫療資料民主化

隨著大型語言模型（Large Language Models, LLMs）快速進入醫療領域，人工智慧不再只是提供一般健康資訊，而開始直接接觸患者最敏感的個人健康資料。

近期刊登於《JAMA》的 Viewpoint 文章〈When Patients Share Everything With an AI Chatbot: Risks and Opportunities of Large Language Models〉，探討了新一代健康型 AI 平台（如 ChatGPT Health）所帶來的機會與挑戰。作者指出，當患者能夠將完整電子病歷（Electronic Health Records, EHRs）直接同步至 AI 系統時，我們正從「醫療知識的民主化」邁向「醫療資料的民主化」。

這項變革可能促進個人化醫療發展，但同時也引發前所未有的隱私、偏見與法規問題。

AI讀取完整病歷：潛在價值何在？

理論上，如果 AI 能夠整合患者的病歷資料、健康監測數據、穿戴裝置資訊以及生活型態紀錄，將可能帶來多項效益：

* 提供更個人化的健康建議

* 協助罕見疾病的早期辨識

* 強化流行病監測能力

* 促進真實世界資料（Real-World Data, RWD）的運用

* 加速臨床研究與藥物開發

對於研究人員而言，大規模且即時的健康資料整合，更有機會成為未來精準醫療（Precision Medicine）的重要基礎。

醫療紀錄並非完全客觀

然而，作者提醒我們一個重要事實：

「電子病歷不是中立的事實倉庫。」

病歷中的內容除了客觀檢驗數據外，也包含醫護人員的主觀判斷與描述。

例如：

1. 對患者的行為評價

2. 初步診斷推測

3. 尚未證實的臨床印象

4. 可能帶有偏見的文字紀錄

如果 AI 系統直接學習這些內容，可能會將既有偏見複製甚至放大。

例如某位慢性疼痛患者曾被標註為「疑似尋求藥物（drug-seeking）」，即使後續證實其疼痛有明確生理原因，AI 仍可能受到早期紀錄影響，而提供較不適當的建議。

換言之，AI 不只是學習醫學知識，也可能學習醫療體系中的偏見。

AI可能複製醫療不平等

作者進一步指出，醫療體系本身就存在健康不平等（Health Disparities）問題。

不同種族、性別、社經背景的患者，在診斷與治療過程中可能面臨不同待遇。

若這些偏差已存在於電子病歷中，而 AI 又將其視為「真實資料」進行學習，未來可能形成：

* 偏差診斷（Biased Diagnosis）

* 偏差建議（Biased Recommendations）

* 偏差風險評估（Biased Risk Assessment）

最終使既有醫療不平等被進一步強化。

因此，AI 的風險不一定來自模型本身，而可能來自模型所學習的資料。

HIPAA保護不了患者主動上傳的資料？

文章另一項值得關注的議題是資料隱私。

許多患者認為醫療資料受到 HIPAA（Health Insurance Portability and Accountability Act）保護，因此相當安全。

然而作者指出：

當患者自行將病歷上傳至商業化 AI 平台後，這些資料未必仍受到 HIPAA 的完整保障。

原因在於：

AI 平台通常不是 HIPAA 所定義的醫療照護提供者（Covered Entity）。

因此：

1. HIPAA 的資料使用限制可能不適用

2. HIPAA 的資訊安全規範可能不適用

3. HIPAA 的資料外洩通報義務可能不適用

雖然企業可能承諾保護使用者隱私，但企業政策與法律保障仍有本質上的差異。

缺乏透明度是更大的問題

作者認為，目前最大的隱憂或許不是資料外洩，而是缺乏透明度。

目前外界難以得知：

* AI 是否對特定族群產生偏見

* 是否曾發生安全事件

* 是否提供不當醫療建議

* 是否影響患者就醫行為

由於相關資料掌握在平台開發者手中，獨立研究人員往往無法進行驗證。

因此，即使 AI 系統宣稱具有良好效能，也缺乏足夠的第三方證據支持。

百聯醫學評論

ChatGPT Health 類型的產品代表醫療 AI 發展的重要里程碑，也讓患者首次有機會將自己的完整健康資料交由 AI 分析。

然而，當 AI 開始閱讀完整病歷時，它接收到的不只是疾病資訊，也包括醫療體系長期累積的偏見、誤判與制度性問題。

因此，未來醫療 AI 的發展不應只關注技術創新，更需要建立完善的資料管理、臨床證據與法規監管機制，才能真正讓 AI 成為改善健康照護的工具，而非放大既有問題的新風險來源。

Reference: When Patients Share Everything With an AI Chatbot–Risks and Opportunities of Large Language Models

Reviewer: PI-Union Medical Science Ltd.

* E-mail: piunion@pi-union.com

* Official Website: https://pi-union.com/

* Facebook: www.facebook.com/piunion2020

* Youtube: www.youtube.com/@pi-union

* Instagram: www.instagram.com/piunion2020

* LINE: @654eukag

A Review and Commentary on the Emerging Era of Cancer Vaccines

摘要

近年來，隨著疫苗科技與腫瘤免疫學的快速發展，癌症疫苗再度成為全球醫學研究的焦點。2023 年英國啟動的 Cancer Vaccine Advance 計畫，旨在於 2030 年前為 1 萬名癌症患者提供個人化 mRNA 癌症疫苗接種，象徵癌症疫苗從概念驗證邁向大規模臨床應用的重要里程碑。本文綜述癌症疫苗的發展歷程、最新技術突破與臨床證據，並分析人工智慧、基因體醫學與疫苗平台技術如何重塑癌症免疫治療。同時，本文結合全球政策與科研投資趨勢，探討癌症疫苗在未來公共衛生與精準醫療中的戰略意義。

一、癌症疫苗：從理論概念到臨床轉折

疫苗長期以來主要被視為預防傳染病的公共衛生工具，其基本原理是透過刺激免疫系統，使人體在病原體感染前即具備防禦能力。然而，癌症疫苗的設計理念與傳統疫苗有所不同，其目標不僅在於預防癌症發生，也可作為治療工具，促使免疫系統辨識並清除腫瘤細胞。

癌症疫苗大致可分為兩類：

1. 預防性疫苗（preventive vaccines）
2. 治療性疫苗（therapeutic vaccines）

目前臨床上已證實具有顯著公共衛生效益的主要為預防性疫苗，例如：

• B型肝炎疫苗（預防肝癌）
• 人類乳突病毒疫苗（預防子宮頸癌）

相比之下，治療性癌症疫苗的發展較為緩慢。截至目前為止，僅有少數獲得監管機構批准：

• BCG (Bacillus Calmette–Guérin) （用於膀胱癌，屬於活性減毒細菌免疫療法）
• talimogene laherparepvec（用於黑色素瘤，屬於溶瘤病毒治療）
• sipuleucel-T（用於前列腺癌，屬於自體樹突細胞疫苗）

然而，這些療法在臨床應用上仍受到療效幅度、製程複雜性與成本等因素限制。

二、COVID-19 疫情：癌症疫苗發展的意外催化劑

2020 年以後，COVID-19 疫苗的成功改變了全球疫苗科技的發展軌跡。mRNA 疫苗平台的快速研發與大規模生產，使得原本需要數十年的疫苗開發週期大幅縮短。

疫情期間建立的關鍵基礎設施包括：

• mRNA 疫苗製造技術
• 全球冷鏈物流系統
• 即時基因體監測
• 大規模臨床試驗平台
• 跨國政府與產業合作模式

這些基礎設施在疫情後迅速被轉化為其他醫療領域的研發能力，其中最受關注的便是癌症疫苗。

英國在 2023 年啟動的 Cancer Vaccine Advance 計畫 即是一個代表性案例。該計畫結合政府、學界與產業資源，透過跨腫瘤類型的大型臨床試驗，評估個人化 mRNA 癌症疫苗的安全性與療效。

這種國家級戰略顯示，癌症疫苗已從單純的學術研究議題，逐漸上升為國家醫療與生物科技競爭力的重要指標。

三、技術突破：個人化癌症疫苗與新抗原革命

癌症疫苗研究的最大突破來自於新抗原（neoantigen）疫苗的出現。

腫瘤細胞在基因突變過程中會產生特定的蛋白質變異，這些變異抗原只存在於腫瘤細胞，而不存在於正常組織，因此成為理想的免疫治療標靶。

透過次世代定序與生物資訊分析，研究人員可以：

1. 解析患者腫瘤的突變圖譜
2. 預測具有免疫原性的抗原
3. 設計個人化疫苗

mRNA 疫苗平台則提供了快速製造與高度客製化的能力。

在一項第二期臨床試驗中，個人化 mRNA 新抗原疫苗 mRNA-4157 與免疫檢查點抑制劑(immune checkpoint inhibitor) pembrolizumab 聯合治療黑色素瘤患者，顯示復發率明顯下降，無復發存活率(Recurrence-Free Survival)達 79%，顯示個人化疫苗具有實際臨床潛力。

此外，另一類研究方向是共享抗原疫苗（shared antigen vaccines），例如針對 HER2（ERBB2）等腫瘤驅動基因的疫苗，亦在多項臨床試驗中展現長期免疫反應。

四、人工智慧與癌症疫苗設計

癌症疫苗最大的挑戰之一是抗原選擇。
腫瘤具有高度異質性，且許多腫瘤屬於「免疫冷腫瘤」（immune cold tumor），也就是腫瘤微環境中幾乎沒有免疫細胞（尤其是 T 細胞）浸潤的腫瘤，免疫細胞難以進入腫瘤微環境。

人工智慧與高效能計算正在改變這一局面。透過訓練生成式 AI 模型，研究人員可以預測最具免疫原性的抗原組合，並設計多抗原疫苗。

英國的 Cancer Vaccines AI & Supercomputer Project 即利用真實腫瘤資料訓練 AI，以加速疫苗靶點的發現與設計。這類技術可能大幅縮短疫苗開發時間，並提高治療精準度。

五、全球科技競爭與政策意涵

從全球科研格局來看，美國仍是癌症疫苗研究的主要領導者，約佔全球相關論文的一半。然而，近期美國對疫苗與相關科技的研究資金出現縮減趨勢，可能影響未來創新能力。

相對而言，歐洲與英國正積極將疫情期間建立的生物科技能力轉向癌症研究，並透過國家級計畫加速臨床應用。

癌症疫苗市場亦呈現快速成長：

• 2023 年：約 101 億美元
• 2032 年預估：425 億美元

這意味著癌症疫苗不僅是醫學突破，也將成為全球生物醫藥產業的重要競爭領域。

六、未來方向：從治療走向預防

癌症疫苗策略正在發生重要轉變。過去多數研究集中於晚期腫瘤治療，但新的研究顯示，在微小殘留疾病（minimal residual disease, MRD）階段接種疫苗，可能更有效預防癌症復發。

未來癌症疫苗的應用可能包括：

• 術後預防復發
• 癌前病變免疫預防
• 高風險族群預防性疫苗

這種模式將使癌症疫苗逐漸融入公共衛生與預防醫學體系。

結論

癌症疫苗的發展歷經數十年的探索，雖然早期成果有限，但隨著 mRNA 技術、基因體醫學與人工智慧的進步，該領域正迎來關鍵轉折點。英國 Cancer Vaccine Advance 計畫與全球多項臨床試驗顯示，癌症疫苗已從概念研究逐漸邁向實際醫療應用。

在癌症發生率持續上升的背景下，癌症疫苗不僅可能改變腫瘤治療模式，也有潛力成為預防癌症的重要公共衛生工具。未來若能持續投入科研資源、整合人工智慧與精準醫療技術，癌症疫苗有望成為下一個改變醫學歷史的重大突破。

Reference: The Time for Cancer Vaccines Is Now Advancing Toward Lasting Cancer Immunity

English version: Key Turning Points in Cancer Vaccines: Rethinking the Global Strategy from Technological Breakthroughs to Strategic Implementation

Reviewer: PI-Union Medical Science Ltd.

• E-mail: piunion@pi-union.com
• Official Website: https://pi-union.com/
• Facebook: www.facebook.com/piunion2020
• Youtube: www.youtube.com/@pi-union
• Instagram: www.instagram.com/piunion2020
• LINE: @654eukag

醫學研究的誠信與品質，建立在嚴謹的倫理標準之上。國際醫學期刊編輯委員會（ICMJE）於 2026 年 1 月 正式發布了最新版的《醫藥期刊學術工作實施、報告、編輯與出版建議》（Recommendations for the Conduct, Reporting, Editing, and Publication of Scholarly Work in Medical Journals）。

為了協助研究者與醫護同仁接軌國際最新標準，百聯醫學編譯特此整理四大核心變革與規範重點：

一、 作者身分（Authorship）的四項必備標準

根據最新規範，名列作者必須同時滿足以下四項條件，缺一不可：

1. 實質性貢獻：對研究的構思、設計，或數據的取得、分析與詮釋有重大貢獻。
2. 關鍵性起草與修訂：參與文章草擬，或對其中重要的知識內容進行關鍵性修改。
3. 最終版本核准：確認並核准即將出版的文章版本。
4. 誠信責任承擔：同意對研究的所有面向負責，確保任何關於準確性或誠信的問題都能得到妥善調查與解決。

特別注意：僅提供經費支持、行政管理或單純語言編修（如翻譯）的人員，不符合作者資格，應列於「誌謝（Acknowledgments）」中。

二、 人工智慧（AI）輔助技術的應用規範

針對生成式 AI（如 ChatGPT、LLM）的普及，2026 年新版規範建立了明確紅線：

• 嚴禁列為作者：AI 軟體不具備法律實體身分，無法承擔研究責任，嚴禁列為作者。
• 透明揭露義務：
  • 寫作輔助：若使用 AI 進行語言潤飾或校對，須在誌謝區說明。
  • 研究執行：若 AI 用於數據收集、分析或圖像生成，必須在 <方法論(Methods)> 中詳細描述其工具名稱、版本及應用方式。
• 人類作者責任：所有 AI 生成內容的準確性、真實性及有無剽竊現象，均由人類作者負最終責任。

三、 研究誠信與利益衝突（Conflicts of Interest）

• 全方位揭露：作者必須透明揭露與研究相關的所有財務關係（如顧問費、專利權、股票持份）及潛在的競爭利益。
• 數據存取權：作者必須保證能完全存取原始數據，不得簽署任何限制數據獨立分析或發布權力的合約。
• 學術不端處理：對於數據造假、圖片非法竄改等行為，期刊將嚴格執行撤稿（Retraction）程序。

四、 出版倫理與同儕審查

• 臨床試驗註冊：所有臨床試驗必須在招募第一位受試者前，於公開資料庫（如 ClinicalTrials.gov）完成註冊。
• 重複投稿限制：嚴禁將同一份稿件同時投稿至多個期刊（Simultaneous Submission）。
• 防範掠奪性期刊：作者有義務審慎評估投稿對象，避免將研究成果發表於缺乏品質控管的掠奪性期刊中。

結語: ICMJE 規範的更新反映了醫學界對學術誠信的最高要求。掌握這些標準，不僅是順利發表 SCI/SSCI 論文的關鍵，更是確保研究價值能被國際認可的基石。

Source: International Committee of Medical Journal Editors (ICMJE) – Recommendations 2026.

Translator: PI-Union Medical Science Ltd.

• E-mail: piunion@pi-union.com
• Official Website: https://pi-union.com/
• Facebook: www.facebook.com/piunion2020
• Youtube: www.youtube.com/@pi-union
• Instagram: www.instagram.com/piunion2020
• LINE: @654eukag

現在很多「看起來很國際」的期刊，其實是 Predatory Journals：

收你錢、快速接受、沒審稿、刊登品質差，還可能毀掉你的學術履歷！

投稿前先查 Beall’s List https://beallslist.net/

避免落入陷阱、浪費時間與金錢。

想投稿到優良期刊? 感謝國立陽明交通大學圖書館所整理之醫藥衛生領域優良期刊!

請參考 https://www.lib.nycu.edu.tw/subject?scid=AF

Beware of Predatory Journals! Check Before You Submit

Many “international-looking” journals are actually predatory—charging fees, skipping peer review, and risking your academic reputation.

Check Beall’s List before submitting https://beallslist.net/

Want reputable journals?

See the excellent list compiled by NYCU Library https://www.lib.nycu.edu.tw/subject?scid=AF

• Denis Firsanov et al.
• Nature
• 29 October 2025.

超過 200 年的最大壽命，使弓頭鯨成為壽命最長的哺乳動物。弓頭鯨也是地球上第二大的動物，體重可超過 80,000 公斤。儘管它擁有極大量的細胞與極長的壽命，弓頭鯨卻並不容易罹癌，而這種不一致的現象被稱為皮托悖論（Peto’s paradox）。

為了理解弓頭鯨抗癌機制的原理，我們分析了弓頭鯨原代纖維母細胞發生惡性轉化所需的致癌打擊（oncogenic hits）數量。出乎意料的是，弓頭鯨纖維母細胞進行惡性轉化所需的致癌打擊次數，竟然比人類纖維母細胞還少。然而，弓頭鯨細胞展現出增強的 DNA 雙股斷裂修復能力與高保真性，並且其突變率低於其他哺乳動物的細胞。

我們發現冷誘導 RNA 結合蛋白 CIRBP 在弓頭鯨的纖維母細胞和組織中高度表達。弓頭鯨的 CIRBP 能增強人類細胞中的非同源端接（NHEJ）與同源重組（HR）修復，降低微核形成、促進 DNA 末端保護，並在體外刺激端接反應。在果蠅中，過度表達 CIRBP 能延長壽命並提高抗輻射能力。

這些發現支持一項假說：弓頭鯨並非依賴額外的腫瘤抑制基因來避免致癌，而是透過強化的 DNA 修復能力來維持基因組完整性。這種策略不是清除受損細胞，而是精確地修復它們，可能正是弓頭鯨擁有驚人長壽與低癌症發生率的原因。

哺乳動物合作生活方式與癌症盛行率下降的共同演化

Catalina Sierra et al.

Science Advances

12 Nov 2025. Vol 11, Issue 46.

為什麼在一些物種已經演化出抗癌機制的情況下，癌症在哺乳動物中仍然如此普遍，至今仍是未解之謎。我們假設，癌症的盛行率與死亡風險可能已經被演化精細調節。我們利用公開資料庫顯示：具有合作行為的物種，其癌症盛行率與死亡風險較低。

透過建立數學模型，我們提出一個機制性的解釋：一種致癌變異如果使年長且生殖能力較低的個體承受較高的癌症死亡率，對合作型哺乳動物社會是不利的；但在競爭型的生態環境中，該變異卻可能導致種群規模與適合度出現「反直覺性的過度補償」效應。

這種「當個體存活率下降，卻使族群數量反而上升」的現象，被稱為九頭蛇效應（hydra effect），而此效應在癌症領域中過去從未被探討。因此，癌症可以被視為競爭性物種中，經過選擇所形塑的一種「生物性汰舊機制」（biological obsolescence）。

Source 1: https://www.nature.com/articles/s41586-025-09694-5

Source 2: https://www.science.org/doi/10.1126/sciadv.adw0685

Translator: PI-Union Medical Science Ltd.

• E-mail: piunion@pi-union.com
• Official Website: https://pi-union.com/
• Facebook: www.facebook.com/piunion2020
• Youtube: www.youtube.com/@pi-union
• Instagram: www.instagram.com/piunion2020
• LINE: @654eukag

Simon Hofman, et al.

JAMA Netw Open. 2025 Sep 2;8(9):e2533421.

問題：眼動減敏與歷程更新療法（Eye Movement Desensitization and Reprocessing Therapy, EMDR）是否能減少人格疾患（Personality Disorders, PD）症狀，而不論是否合併創傷後壓力症候群（Posttraumatic Stress Disorder, PTSD）？

研究結果：這項納入 159 位 PD 患者的隨機臨床試驗顯示，接受 EMDR 治療的患者，在治療後及追蹤時的人格疾患症狀減少程度均優於等待名單對照組。兩個時間點上，EMDR 組達到 PD 緩解的比例顯著高於對照組。

意義：本研究顯示 EMDR 治療在臨床上可顯著地減少人格疾患症狀，近一半的參與者達到診斷性緩解，支持其作為 PD 的潛在有效介入。

摘要

重要性：負面的童年經驗增加人格疾患（PD）發展的風險。雖然以創傷為焦點的介入對 PTSD 有效，但其對 PD 症狀的影響仍不明確。

目的：評估眼動減敏與歷程更新療法（EMDR）相較於等待名單(waiting list)，是否能降低 PD 症狀，而不論 PTSD 狀態。

設計、地點與參與者：這項雙組、多中心、單盲的隨機臨床試驗於 2021 年 2 月 22 日至 2024 年 10 月 2 日，在荷蘭兩家專科門診進行。參與者為 159 位經結構式臨床訪談（SCID-5-PD）診斷為人格疾患的患者。數據以意向治療分析。

介入措施：五週內進行十次 90 分鐘的 EMDR 治療，針對與 PD 症狀相關的創傷及負面記憶進行處理。

主要結果與測量指標：治療前、治療後及三個月追蹤時，使用《DSM-IV 人格疾患評估量表》（The Assessment of DSM-IV Personality Disorders, ADP-IV）、《DSM-5 人格障礙結構式臨床訪談》 (DSM-5 Personality Disorders, SCID-5-PD)、《人格功能水平量表》（Level of Personality Functioning Scale, LPFS）、以及《情緒調節困難量表》（Difficulties in Emotion Regulation Scale, DERS）進行評估。

結果：納入分析的 159 位患者平均（標準差）年齡為 35.4（12.0）歲，130 位為女性（81.8%）。79 位隨機分配至 EMDR 組，80 位分配至等待名單對照組。EMDR 組有 4 人（5.1%）退出，16 人（20.3%）提早完成治療，無不良事件報告。EMDR 組在治療後與追蹤時於各量表上均優於對照組：

• ADP-IV：治療後 β = −37.93（95% CI, −52.54 ~ −23.33; P < .001; Cohen d = 0.31），追蹤 β = −45.73（95% CI, −64.90 ~ −26.56; P < .001; Cohen d = 0.46）
• SCID-5-PD：治療後 β = −3.65（P = .002; d = 0.48），追蹤 β = −3.70（P = .03; d = 0.61）
• LPFS：治療後 β = −3.13（P < .001; d = 0.31），追蹤 β = −3.62（P = .003; d = 0.43）
• DERS：治療後 β = −9.03（P = .003; d = 0.35），追蹤 β = −11.73（P = .005; d = 0.62）

PD 緩解比例：治療後 EMDR 組 vs 對照組：

• ADP-IV：38.3% vs 6.8%
• SCID-5-PD：33.3% vs 7.8%

追蹤時 EMDR 組 vs 對照組：

• ADP-IV：45.4% vs 5.9%
• SCID-5-PD：44.1% vs 15.8%

結論與意義：在這項針對 159 位 PD 患者的隨機臨床試驗中，EMDR 治療能使 PD 症狀顯著減少，30 位（44.1%）達到緩解。結果支持 EMDR 作為 PD 治療的潛在有效介入，並鼓勵進一步驗證研究。

研究亮點

• 主題創新：首度以 RCT 驗證 EMDR 對人格疾患（PD）的療效，不限於 PTSD。
• 設計嚴謹：多中心、單盲、隨機分派；使用多項臨床與功能量表（ADP-IV、SCID-5-PD、LPFS、DERS）。
• 樣本特徵：159 位 PD 患者，女性佔 81.8%，平均 35.4 歲。

主要結果

• EMDR 在所有主要指標上皆顯著優於控制組（效果量 d＝0.3–0.6）。
• 治療後與追蹤期 PD 緩解率分別約為 40–45% vs 控制組 <10–15%。
• 無嚴重不良事件，耐受性良好。

優點

嚴謹的 RCT 設計與 ITT (Intention-to-Treat Analysis) 意向性分析
多面向評估人格症狀、功能與情緒調節
治療時間短、效果穩定、臨床可行

無主動控制組，如 認知行為治療(Cognitive Behavioral Therapy, CBT）。
樣本集中於荷蘭、女性比例高
追蹤期僅 3 個月，缺乏長期效果資料

臨床與研究意涵

• EMDR 不僅可治 PTSD，也能有效改善 PD 症狀。
• 支持 PD 可透過「創傷再處理」達到顯著緩解。
• 建議後續進行長期與跨文化驗證研究。

ITT 分析（Intention-to-Treat Analysis，意向性分析）

• 定義：在統計分析時，所有被隨機分派進治療組的參與者都會被納入分析，不論他們是否完成治療或中途退出。
• 目的：保持隨機分派的公平性，避免偏差（bias）。
• 意義：這種分析方式反映「真實世界」的治療效果，而非理想狀況下的效果。

簡單說：

ITT 是「照原本分組算」的分析法，哪怕有人沒完成治療，也仍列入統計，以確保結果公正可靠。

CBT（Cognitive Behavioral Therapy，認知行為治療）

• 定義：一種心理治療方法，透過調整「思考模式（Cognitive）」與「行為反應（Behavior）」來改善情緒與行為問題。
• 核心概念： 想法影響情緒，情緒影響行為。
• 應用範圍：焦慮症、憂鬱症、失眠、人格疾患等。
• 特色：結構化、時間有限、強調實際技巧（如認知重建、行為暴露）。

Source: Eye Movement Desensitization and Reprocessing Therapy in Persons With Personality Disorders: A Randomized Clinical Trial | Psychiatry and Behavioral Health | JAMA Network Open | JAMA Network

Translator and Reviewer: PI-Union Medical Science Ltd.

• E-mail: piunion@pi-union.com
• Official Website: https://pi-union.com/
• Facebook: www.facebook.com/piunion2020
• Youtube: www.youtube.com/@pi-union
• Instagram: www.instagram.com/piunion2020
• LINE: @654eukag

背景

• CAR-T 細胞是經基因改造的 T 細胞，可精準攻擊癌細胞，已獲美國 FDA 核准用於某些血癌。
• 製造傳統 CAR-T 細胞須從患者體內採集 T 細胞 → 純化 → 基因改造 → 輸回體內，過程耗時且昂貴（最高達百萬美元），部分病患無法等候完成治療。

創新研究

• Capstan Therapeutics 開發一種新方法，利用 mRNA 脂質奈米微粒（Lipid nanoparticle, LNP） 直接注射進入體內誘導 T 細胞自行轉化為 CAR-T 細胞。
• 這項方法靈感來自於 mRNA COVID-19 疫苗技術，且不需更改基因組，較具安全性。

實驗成果

• 在小鼠中注射mRNA奈米微粒後，體內快速產生大量CAR-T細胞（3小時內即出現於血液、脾臟、淋巴）。
• 高劑量治療組中，腫瘤在3天內幾乎消失。
• 在猴子實驗中，mRNA誘導的CAR-T細胞成功清除B細胞並於7週內自然恢復，有望「重設」免疫系統，應用於自體免疫疾病。

優點

• 速度快：無需體外改造與輸回體內，治療時間大幅縮短。
• 成本低：製造成本可能遠低於目前的細胞工廠流程。
• 更安全：mRNA不整合進DNA，可自然分解，具「自動關閉」機制，減少長期副作用。

潛在風險與挑戰

• 一隻猴子出現類似實驗室CAR-T治療常見的重度免疫副作用。
• 安全性仍需進一步臨床試驗驗證（Capstan已啟動Phase 1試驗）。

未來展望

• 此技術若證實安全有效，可望普及CAR-T細胞療法至更多癌症與自體免疫疾病。
• 有望成為即時可用的標準化治療選項，取代繁複且昂貴的細胞製備流程。

評論:

科學貢獻與創新性

這項研究突破了傳統CAR-T細胞需經體外操作的限制，首次展示可透過mRNA奈米微粒直接在體內誘導CAR-T細胞生成，大幅簡化技術流程，並以動物實驗證實其有效性與初步安全性。

• 借助 COVID-19 疫苗的 mRNA 傳遞平台，研究團隊成功將此機制應用於複雜的細胞治療領域。
• 在短短數小時內於小鼠與猴子體內產生功能性CAR-T細胞，展現即時且可控的治療反應。

此方法若進一步證實安全有效，將徹底改變CAR-T療法的製造與給藥方式，使其從「個人化、客製化」走向「即時可用、模組化」，具有高度臨床轉譯潛力。

臨床應用潛力

• 癌症治療： 高劑量治療下腫瘤迅速縮小，展現CAR-T功能性；若能安全應用於人體，將有助提升對實體瘤的反應效率。
• 自體免疫疾病： 在猴子中清除B細胞並自然恢復，暗示可透過「免疫重置」治療如紅斑性狼瘡、多發性硬化症等疾病。
• 經濟與可近性： 有望大幅降低目前高達百萬美元的療程費用，提高全球可及性。

侷限與挑戰

1. 安全性問題尚未解決：
   一隻猴子出現嚴重發炎反應，與現有CAR-T細胞副作用相似，突顯此技術雖無基因整合風險，但仍可能引發毒性反應。
2. mRNA轉染效率與時效性控制：
   雖具「自動關閉」優勢，但如何精準控制CAR表現量與時間仍有待優化，避免過度免疫活化或治療反彈。
3. 臨床資料仍屬前期：
   目前僅限動物模型，尚需臨床試驗驗證在人類身上的可行性與安全邊界。

總結與展望

這篇文章所報導的技術具備轉變CAR-T治療的潛力，從實驗室製造邁向體內合成，為癌症與自體免疫疾病提供全新治療可能。然而，安全性與可控性將是臨床應用的關鍵門檻。未來若能在人體試驗中克服副作用並證實療效，此策略或將成為下一代細胞療法的主流平台。

Source: New approach enables body to engineer its own cells to fight cancer or autoimmunity

Translator and Reviewer: PI-Union Medical Science Ltd.

• E-mail: piunion@pi-union.com
• Official Website: https://pi-union.com/
• Facebook: www.facebook.com/piunion2020
• Youtube: www.youtube.com/@pi-union
• Instagram: www.instagram.com/piunion2020
• LINE: @654eukag

簡介By 百聯醫學編譯

科學家們已經成功將大腦活動轉化成音樂，這是一種令人驚嘆的方法!

這一項技術使用腦電圖(Electroencephalography, EEG)和功能性磁振造影(functional Magnetic Resonance Imaging, fMRI)等大腦監測工具，將大腦的電信號或活動轉換為聲音。這不僅提供了一種深入瞭解大腦運作的方法，還能夠產生具有藝術性和科學價值的音樂作品。

這種大腦活動轉化為音樂的過程通常包括將不同的大腦區域或神經元群的活動映射到音調、節奏和音量等音樂元素上。這樣的轉化過程有助於我們更直觀地理解大腦在不同活動、情感和狀態下的運作方式。

這些發現可以為將音樂元素納入腦機界面(Brain-Computer Interface，BCI)提供基礎。腦機界面是一種技術，它建立了一種直接的通信途徑，允許人類大腦和外部設備之間的互動。腦機界面技術的目標是解讀大腦活動並將其轉換為可控制電腦、機器或其他外部設備的指令，或者將外部設備的信息傳達回大腦。

腦機界面技術可以應用於多個領域，包括醫療、輔助技術、娛樂和科學研究。一些常見的應用包括腦機界面以幫助殘疾人士控制輪椅、機械手臂或電腦；腦機界面用於恢復視覺或聽覺功能；以及腦機界面的應用於研究大腦功能和認知過程。腦機界面使言語受損的患者能夠溝通。

將大腦活動轉化為音樂的技術可以應用於醫學和心理學領域，幫助醫生和研究人員更好地理解大腦與不同疾病、情感和行為之間的關聯，從而開發更有效的治療方法。

總之，將大腦活動轉化為音樂是一項令人振奮的科學成就!它將我們對大腦運作的理解提升到了一個全新的水平，同時也為藝術和醫學領域帶來了新的可能性。

在未來，或許人類無須通過語言溝通，就能讀到對方的起心動念了!

科學家將大腦活動轉化為音樂 (NIH)

By Brian Doctrow, Ph.D.

音樂是一種普遍的人類體驗。過去的研究已經識別出大腦對音樂的特定元素，如旋律、和聲及節奏作出反應的部分。音樂會啟動與語言相同的大腦區域，但這些區域如何相互作用來處理音樂的複雜性一直不清楚。

由加利福尼亞大學柏克萊分校的Ludovic Bellier博士和Robert Knight博士領導的一支由美國國家衛生研究院（NIH）資助的研究團隊，使用計算機模型試圖從聽眾的大腦活動中重建一首音樂作品。這項研究於2023年8月15日刊登在《PLoS Biology》上。

該團隊讓29名神經外科患者聆聽了Pink Floyd的歌曲《Another Brick in the Wall, Part 1》。為了進行癲癇評估，將電極直接放置在他們的大腦表面，以記錄大腦活動。研究人員尋找電極信號與歌曲聽覺特性之間的相關性，然後使用這些信息嘗試從大腦信號中重建歌曲。類似的方法曾用於從大腦活動中重建語音，但這是第一次使用這種方法重建音樂。

研究人員發現，在患者的2700個電極中，總共有347個電極對於檢測音樂編碼非常重要。在大腦右半球，有16.4％的電極對音樂產生活動反應，而在左半球，這一比例為13.5％。這與語言不同，語言會引發左半球更大的反應。在兩個半球中，大多數對音樂產生反應的電極位於一個稱為顳上回(Superior temporal gyrus, STG)的區域，該區域位於耳朵上方和後方。

基於所有347個重要電極的數據，重建的歌曲與原始歌曲相似，但細節較少。例如，重建的歌曲中的歌詞較不清楚。

特定的大腦活動模式與特定的音樂元素相匹配。一種模式包括在一系列頻率上的短暫活動，這些活動對應於主音吉他或合成器的主題音樂。另一種模式涉及到極高頻率的持續活動，這種活動發生在聽到人聲時。第三種模式對應於節奏吉他的音符。檢測到每種模式的電極在STG內被分組在一起。

為了縮小哪些大腦區域對準確重建音樂是最重要的範圍，研究人員刪除了信號來自不同電極的情況下的重建。刪除右STG的電極對於重建的準確性有最大的影響。該團隊還發現，可以在不使用完整的重要電極集合的情況下，準確重建音樂；其中近170個電極對準確性沒有影響。

這些發現可以為將音樂元素納入腦機界面(brain-computer interfaces)提供基礎。已經開發了這種界面，以使言語受損的殘疾人能夠溝通。但是由這些界面生成的言語聽起來有一種不自然的機器人質感，納入音樂元素可能會產生更自然的語音合成。

Knight博士表示：「對我來說，音樂有韻律和情感內容。」隨著腦機界面領域不斷發展，他解釋說，這項研究可以幫助那些言語受損的神經或發育障礙患者，為他們的腦部植入裝置增添音樂性。他補充說：「這讓你能夠解碼言語的語言內容、語調的內容，以及情感。我認為這是我們真正開始突破的領域。」

譯者:百聯醫學編譯

Translator: PI-Union Medical Science

Source:

Scientists translate brain activity into music | National Institutes of Health (NIH)

為善最樂，請支持相關社福機構:

社團法人中華民國聽障人協會

財團法人雅文兒童聽語文教基金會

社團法人中華民國愛加倍社會福利關懷協會

財團法人台中市私立中杏社會福利基金會