Dr. HSIEH MEDIA LAB

《用 R 學生物醫學統計》 （ https://biostatr.netlify.app/ ）。這是一本專為醫學、公共衛生領域初學者設計的電子書。 全書涵蓋 14 個核心章節，從基礎的描述統計、機率分布，到進階的假設檢定、迴歸分析、非參數方法，甚至流行病學研究設計與人時資料分析，內容相當全面。本書的最大亮點在於「培養統計直覺」，並結合實用的 R 語言程式碼示範。在 AI 輔助程式編寫的時代，它能有效幫助讀者專注於資料型態與統計方法的核心概念，非常適合醫公衛學生或研究人員自學參考。

intropy.md 【好站推薦】免費開源的《生物醫學統計學入門》線上教材 對於醫學與公共衛生領域的新鮮人來說，複雜的數據統計與程式碼常讓人望而卻步。最近發現了一個非常棒的線上學習資源—— 《生物醫學統計學入門》 （ https://pymedstat.netlify.app/ ）。 這是一本專為醫學院和公衛學院學生設計的電子書，內容涵蓋從描述統計、機率分布，到各式假設檢定與流行病學研究設計等共 14 個核心章節。最特別的是，全書結合了 Python （優先使用 pandas 與 seaborn 套件）進行實作示範。網站強調在 AI 時代，學習重點應放在「建立統計直覺、理解資料型態與圖形之窗」，不用太在意程式碼的細節。無論是想打好生統基礎，還是想學習如何用 Python 做可重複性的醫學資料分析，這個網站都非常值得收藏與研讀！

introR.md 推薦好站：輕鬆用 R 語言玩生物統計學 📊 推薦一個專為醫學與公衛領域打造的優質學習網站——《輕鬆用 R 語言玩生物統計學》電子書！ 如果你看到密密麻麻的數學公式就頭痛，這本書絕對是你的救星。它打破傳統死記硬背的教學方式，以「數據偵探」的直覺邏輯，帶領讀者深入淺出地解開醫學臨床數據背後的真相。 💡 本書三大核心特色： 真實臨床案例 ：拒絕空洞理論，從實用的醫療故事切換至統計觀念。 手把手 R 語言實作 ：教你用 RStudio 與 ggplot2 輕鬆繪製高質感圖表。 中英雙語對照 ：採用醫學界慣用名詞，無縫接軌實證醫學。 網站涵蓋了從基礎敘述統計、假設檢定，到進階的流行病學與存活分析等 14 個完整章節。無論你是大一新鮮人，還是想精進論文分析的研究者，這都是你不可錯過的寶藏網站，快點進去和 R 語言一起學生物統計吧！ 🔗 網站傳送門 ： https://rmedstat.netlify.app/

intro_chinese.md Hsieh, Chi-Pan (MD/PhD) email: hsiehcp@protonmail.com Taipei, Taiwan, June 2026 Q-EBM Search 的搜尋策略 https://ebmsearch.goodmed100.com/ Evidence-Based Medicine Search from PubMed Q-EBM Search 網站使用三種依證據類型設計的搜尋字串，因為它們對應到臨床醫學中我們經常需要查找的三類證據： 隨機對照試驗，或 RCT 系統性回顧與統合分析 臨床實務指引與共識聲明 這個網站也提供可選用的期刊篩選器： 搜尋全部 核心臨床期刊 頂尖期刊 可以把這些想成通往文獻的三扇不同的門。如果你問的是某項介入是否有效，通常會想找 RCT。如果你想了解整體證據現況，會想找系統性回顧或統合分析。如果你需要知道目前臨床醫師實際被建議怎麼做，會想找臨床指引。 這樣的區分在查房、門診與期刊討論會中都很重要。同一位病人的問題，單一 RCT、統合分析與臨床指引可能都相關，但它們回答的問題略有不同。期刊篩選器則回答另一個工作流程上的問題：期刊來源應該要多廣泛，或要多精選？ 1. RCT 搜尋策略 為什麼從 RCT 開始？ 當臨床問題是關於治療效果時，RCT 通常是我們所能取得最乾淨的原始研究設計。隨機分派有助於平衡兩組之間已測量與未測量的差異，因此我們可以更有信心地認為結果與介入有關，而不是來自病人基線特徵的差異。 問題在於，PubMed 不會立刻標記每一篇 RCT。新發表的紀錄可能尚未由 NLM 索引人員指定正式的出版類型或 MeSH 詞彙，可能會漏掉較新的或尚未完整索引的研究。另外，有些臨床試驗在中途即因為副作用或效果未達預期，就中斷研究，未必有寫成 RCT 期刊論文發表。 這就是為什麼本站使用 Cochrane Highly Sensitive Search Strategy。它的設計目的是提高敏感度，以找出已索引的試驗、索引尚未完整的試驗，以及最近加入 PubMed 的紀錄，以減少搜尋過程的偏差 (bias)，盡量把正反面結果的報告都完整收集，以利於進一步的系統性回顧。 搜尋字串： (rando...

note01.md 通用型尖端大語言模型（Frontier LLMs）與醫療專用 AI 工具（Clinical AI tools）在醫學基準測試上的表現對比 Vishwanath, K., Alyakin, A., Ghosh, M., Hage, A., Neifert, S. N., Orillac, C., ... & Oermann, E. K. (2026). General-purpose large language models outperform specialized clinical AI tools on medical benchmarks. Nature Medicine, 1-5 . 這篇發表於《Nature Medicine》的研究，主要探討了通用型尖端大語言模型（Frontier LLMs） 與 醫療專用 AI 工具（Clinical AI tools）在醫學基準測試上的表現對比 。 以下為該研究的核心要點整理： 核心研究發現 通用型模型全面勝出 ：無論是在基礎醫學知識、臨床醫師對齊，還是真實臨床問題的測試中，通用型的尖端 LLM（如 Gemini、GPT）表現均 優於 專門為醫療設計的 AI 工具（如 OpenEvidence、UpToDate Expert AI）。 醫療 AI 與搜尋 AI 相當 ：臨床專用 AI 工具在真實臨床查詢（RCQ）中的表現，僅與常規的 Google 搜尋 AI 摘要（Google Search AI Overview）相當 。 主要結果 圖片出自 https://www.nature.com/articles/s41591-026-04431-5/figures/2 圖片說明 a. MedQA 準確率：測試模型醫學知識的基礎表現（每款模型測試 500 題）。 b. HealthBench 分數：評估模型與臨床醫生決策的對齊程度（每款模型測試 500 題）。 c. RCQ 臨床醫生綜合平均評分：採用 1 至 4 分制 。由 12 名臨床醫生中的 3 名對 100 題真實臨床查詢的生成結果進行獨立評分，排除 32 項被標記為「拒答」的配對後，各模型保留的有效樣本數分別為：Gemini (98 筆)、GPT-5.2 ...

Evidence-Based Medicine Search from PubMed Q-EBM Search https://ebmsearch.goodmed100.com/ 這個網站內建了 Cochrane 所建議高敏感度的專業搜尋語法，可快速搜尋三大類實證醫學臨床文獻： 1. RCT（隨機對照試驗） ：採用高度敏感策略，即時捕捉最新、未完全索引的臨床試驗。 2. Systematic Review and Meta-analysis（系統性回顧與統合分析） ：一鍵總覽當前證據全貌，適合快速掌握研究現況。 3. Guideline（臨床診療指引） ：精準篩選各醫學會的指引與共識，解答日常照護與臨床決策。 有別於直接在 PubMed 網站搜尋，這個網站的搜尋策略，是以減少搜尋的 bias 為主要精神，搜尋所得的 RCT 文獻，包括論文和 clinical trial。 例如：Clinical trial 若是沒有達到預期效果，或中途有顯著副作用，就會中途暫停，不會寫成論文，此時，若只搜尋已發表的 RCT 論文，而不納入 clinical trial，就會有搜尋的偏差。 對 EBM 有興趣的朋友，歡迎試用，若有建議或回饋，也歡迎與作者連絡。 Have Fun ^^.

PICO 是實證醫學 (Evidence-Based Medicine, EBM) 中一種實用的簡潔問題架構。 PICO 代表 Population, Intervention, Comparison, and Outcome。 透過把臨床問題寫成 PICO 的形式，可以更清楚所要探討的問題重點，以方便文獻搜尋和討論問題。 建議向 AI 提問的提問詞範例 例 1. 整理實證摘要 I am a medical doctor dedicated to evidence-based medicine. PICO stands for Population, Intervention, Comparison, and Outcome. Provide an evidence-based summary answering the problem in the context. [context] Problem: In patients with suspected deep vein thrombosis, is D-dimer testing more accurate than ultrasound in diagnosing the condition? Type: diagnosis P: patients with suspected deep vein thrombosis I: D-dimer testing C: ultrasound O: accuracy of diagnosis of deep vein thrombosis 例 2. 搜尋近期文獻 I am a medical doctor dedicated to evidence-based medicine. PICO stands for Population, Intervention, Comparison, and Outcome. Search for the latest evidence on the problem in the context. [context] Problem: In patients with suspected deep vein thrombosis, is D-dimer testing more accurate than ultraso...

與 AI 互動時，可以參考以下範例提問，來獲取實證的醫學資訊。 醫學領域 “Provide a systematic review on the effectiveness of [specific treatment] for [specific condition].” “Summarize the latest clinical guidelines for the management of [specific disease] from [reputable medical organization].” “What are the outcomes of randomized controlled trials comparing [treatment A] and [treatment B] in patients with [specific condition]?” “Find meta-analyses on the long-term effects of [specific medication] in the treatment of [specific disease].” “List the key findings from cohort studies investigating the risk factors for [specific disease].” “Summarize the consensus statements from [specific medical society] on the treatment of [specific condition].” “What are the latest recommendations for screening and prevention of [specific disease] according to [reputable guideline source]?” “Provide an overview of the evidence on the safety and efficacy of [specific procedure] in [patient population].” “What are the most recent findings ...

tutorial20260615.md 如何利用 Codex 高效率製作實證醫學報告 實證醫學 (Evidence-based medicine, EBM) 的文獻搜尋與評讀整理，是醫療人員對某一主題取得實用摘要的有效方法。在 AI 時代，專業人員可以利用 AI 工具來取得相關醫學文獻。然而，對話式的 AI 工具，例如 ChatGPT 或是 Google Gemini 的對話視窗雖然也可以透過提問，但必需透過使用者輸入詳細的有架構的提問詞 (prompt)，才能得到好的回覆。這裡，我們要分享的是，如何利用簡單的策略，讓 AI 高效率地產生 EBM 搜尋文甗和整理報告的完整技巧 (skill)，讓使用者之後可以重覆利用簡短 skill 指令，來得到各個臨床問題的 EBM 摘要報告。 測試環境 這裡使用的是 Visual Studio Code (VS Code) 編輯器，安裝 Codex – OpenAI’s coding agent 這個外掛來做示範，使用者如果已有訂閱月租型（每個月20美元）的 ChatGPT 聊天方案，初次使用請依提示登入 ChatGPT 聊天介面的帳號密碼，就可直接使用 Codex 這個外掛，不需要再付額外的 API 費用。 您也可以依您使用的 AI 工具來選擇環境，例如用 VS Code 搭配 Claude Code for VS Code 外掛。 或是使用 Antigravity 這個編輯器來使用 Gemini Pro 的月租額度（在 Chrome 瀏覽器登入 Google 帳號，系統即會偵測使用權限）。 方法與步驟 首先我們建立一個空白的資料夾當做工作目錄，並在 VS Code 裡，點 File -> Open Folder... 打開這個目錄。 依序執行以下步驟： 產生 /ebmsearch skill ：在 VS Code 的 Codex 對話窗，輸入以下指示，命令 AI 建立一套專業的實證醫學文獻搜尋策挌，並且在某處存成一個 SKILL.md 檔案。所謂的 skill 指的是 AI 的一套有架構的系統化工作指令，方便未來重覆使用。日後，使用者只要輸入 /ebmsearch 就可以呼叫這個 skill 指令。 Build a professional a...