作者：柳營奇美醫院 藥劑部 翁騰崧 藥師
相關文章：[快訊] 翁騰崧藥師團隊，關於低劑量 Venetoclax 合併抗黴菌藥物治療急性骨髓性白血病的療效與安全性之研究，獲 Oncology Letters 刊登！
終於，這篇文章總算來到投稿階段。回想這一路的準備過程，從主題設定、資料蒐集、統計分析到撰寫、修正，過程實屬不易。尤其因為曾多次遭到拒稿，這次在選擇期刊時，我格外謹慎，也開始思考：「什麼樣的期刊，才最適合這篇文章？」
起初還是忍不住考慮了一下 MDPI 系列的期刊。不可否認，MDPI 的審稿速度極快，對於急著發表、有時間壓力的研究者而言是一大誘因。然而，有投稿經驗的朋友應該都了解，傳統學術期刊雖然也會在官網標示平均或中位數的審查時間，但這畢竟只是統計數據，實際狀況仍有很大變數。有時候一篇文章卡在 reviewer 那裡幾週甚至幾個月都是常有的事，特別是遇到假期、編輯更換、或是稿件過多時，速度會大幅延遲。
因此我除了看數據，也會實際翻閱近三個月已發表的論文，觀察「投稿日 vs 接收日」，推估出實際審稿週期。
翁騰崧藥師團隊探討了一種新的血癌治療藥物 Venetoclax 的療效。Venetoclax 是一種口服的 B 細胞淋巴瘤 2 抑制劑，主要用來治療急性骨髓性白血病（AML）。由於這個藥物會與某些酵素產生交互作用，當病人同時使用抗黴菌藥物時，必須調整 Venetoclax 的劑量。
研究團隊回顧分析了 2015 年 1 月到 2021 年 12 月間，在單一醫院治療的 45 名急性骨髓性白血病患者的資料。他們比較了使用低劑量 Venetoclax 合併抗黴菌藥物的病人，與接受傳統化療方案（包括 I3A7、LDAC 和 I2A5 方案）病人的治療成果，主要觀察指標包括無疾病惡化存活期、整體存活期，以及藥物相關的不良反應。
研究結果顯示，在整體存活期方面，I3A7 化療方案（使用 Idarubicin 12 mg/m2 靜脈注射第 1-3 天，加上 Cytarabine 100 mg/m2 連續靜脈輸注第 1-7 天）的效果最好，中位數存活期還沒有達到統計上限。相比之下，Venetoclax 組的中位數存活期是 10.7 個月，低劑量 Cytarabine（LDAC）組是 4.7 個月，而 I2A5 組（較短療程的化療方案）只有 2.3 個月。
在無疾病惡化存活期方面，I3A7 組同樣表現最佳，達到 29.0 個月，而 Venetoclax 組是 8.0 個月，LDAC 組 2.1 個月，I2A5 組僅 0.9 個月。
關於副作用，所有治療組都常見嚴重的血液學不良反應（第 3 級或以上）。值得注意的是，心血管事件和嚴重的腫瘤溶解症候群只在 Venetoclax 組出現，發生率分別為 14% 和 7%。
總結來說，低劑量 Venetoclax 合併抗黴菌藥物的治療效果雖然不如標準的 I3A7 化療方案，但比 LDAC 和 I2A5 方案來得好。Venetoclax 的感染風險相對較低，這對免疫力低下的血癌患者來說是個優點。不過，使用 Venetoclax 時必須特別注意心血管併發症和腫瘤溶解症候群的風險，尤其是有相關病史的患者更需要密切監控。
恭喜翁藥師！
喜歡的主題、累積多年的資源，沒辦法登上 Q1 期刊，升等路上相對弱勢，怎麼辦？來看看講師的建議。
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！
問：校長好，團隊預計做一個稍大型的研究約 60 人，我們想把初步的 11 人先做發表，之後的主論文就能引用這篇。不過目前的 11 人小規模結果，投稿一直不順利，該怎麼辦？
答：（蔡依橙）這是典型的 preliminary study 作法。如果想要順利的話，要考量以下幾點。
一般來說，審閱者一定會質疑，為什麼你個案數這麼少就跑來發表，畢竟 11 個案例，即使 p 值有意義，power 一定不太理想。
所以，通常 preliminary study 會被接受，有幾個重要關鍵：
答：（蔡依橙）
最近這幾個月的 Office Hour，有五位 PGY 很常來。
他們從上完課，有了概念並操作第一次後，認真的照我們的建議去做，然後找題目。
遇到困難就來問，所問的問題，從「令人有點擔心」到「其實同學雖然沒信心，但其實自己的直覺都是對的」，也就是真的從零基礎，逐漸走到懂得學術圈語言跟文化的狀況。
其中三位已經完成論文投出，另外兩位也快了。
所完成的，有傳統統合分析，也有網絡統合分析。
跟我們設定課程時規劃的一樣，這兩個課程都很適合初學者。
