作者:蔡依橙
這個端午連假,我也在寫論文。
最近因為 ChatGPT 又更聰明了一些,連我這種寫了 60+ 篇 SCI 的人,寫作流程都有很大的改變。大概半年前,我是口述中文,用 Word 聽寫功能,然後手打字修一下內容,成為中英文夾雜的草稿後,請 ChatGPT 改成英文。
一開始其實翻譯偶爾會錯,但幾個月後翻譯幾乎不會出錯。就看一次,確認是自己的意思,是可以壓上自己名字的內容,就能用。但現在,我是真的把他當一個很懂英文又積極的助理。
作者:蔡依橙
這個端午連假,我也在寫論文。
最近因為 ChatGPT 又更聰明了一些,連我這種寫了 60+ 篇 SCI 的人,寫作流程都有很大的改變。大概半年前,我是口述中文,用 Word 聽寫功能,然後手打字修一下內容,成為中英文夾雜的草稿後,請 ChatGPT 改成英文。
一開始其實翻譯偶爾會錯,但幾個月後翻譯幾乎不會出錯。就看一次,確認是自己的意思,是可以壓上自己名字的內容,就能用。但現在,我是真的把他當一個很懂英文又積極的助理。
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: