作者：蔡依橙
ChatGPT 是文筆最好，而且回話最具支持性的，也就是有些人說的「諂媚」。但也因為他這種順著使用者的說話語氣，在各種 AI 工具中，會讓人最想找他做一些疑難雜症看看。
實務上我最常跟他腦力激盪。像是如果我要寫一篇中文介紹文章，有想法，但還不確定怎麼構成。我會寫下幾個我預計提到的重點，請他幫我增添細節與實證資訊，寫成目標字數。
不過，他寫的東西還是很有 AI 味，我一般會讓他寫到約六成的完成度，就接手自己修改重寫，加上自己的風格，直到完成。
對我來說，從想法到六成完成度的文章，他處理得很好。但如果你繼續叫他寫到完稿的話，中文好的人一眼就能看出來這個有點 AI。
作者：蔡依橙
之所以訂閱 Google Gemini 是幾個原因促成的。
我本來就有訂閱 Google One 空間分享給全家人用，每個月多加 300 元就能有 Gemini，增加的費用並不多。
而且因為是家庭共享，所以孩子們也能一起使用，他們都能用自己的 Gmail 登入，保留隱私，問自己想問的問題。
Google Gemini 為了打市場，目前 Deep Research 功能，是基礎訂閱戶就能用的。加上這是目前世界上市佔率第二，僅次於 ChatGPT 的 AI 服務，又有富爸爸 Google 生態系加持，我也想看看可以整合到什麼情況。
問：老師，上次提到 data-driven writing 很不好，但實務上我們當然都是從自己做很久的手術或治療出發。該怎麼做才能用同樣的資料處理成 hypothesis-driven 呢？
答：（蔡依橙）好奇心！
假設你做一個手術十年，也真的做得不錯，患者的 outcome 很棒，甚至國際學會也邀請你演講或示範。這樣的資料非常寶貴，只是你要多一點好奇心。
這十年來，你一定有些想法。某些患者一看就覺得預後會很好，某些患者一看就覺得可能術後會感染；某一群術後不幸過世的患者，其實你在跟家屬解釋之前就已經知道有風險。
那就把這些觀察量化，以這些問題去想一些假設，然後收集相關資訊。
近年一種叫做 lumateperone 的新藥被用來治療思覺失調症，但臨床上一直不太確定到底要用多少劑量才最合適。為了解決這個問題，許智維醫師團隊進行了一項系統性的分析研究。
團隊從各大醫學資料庫中，包括 PubMed、EMBASE、Cochrane 等，蒐集了從資料庫建立到 2025 年 1 月 20 日為止的所有相關研究。他們只選擇有對照組、經過同儕審查、且專門針對思覺失調症患者的隨機對照試驗。最後找到了兩個符合條件的研究，總共包含 688 位患者。
研究結果顯示，當患者服用 lumateperone 42 mg 時，在多項重要的評估指標上都有顯著的改善。首先，在「陽性與陰性症狀量表」（PANSS）的總分上，服藥組比安慰劑組平均改善了 0.29 個標準差。更具體來說，患者的陽性症狀（像是幻覺、妄想等）改善了 0.41 個標準差。
另外，研究也發現 42 mg 劑量的治療反應率提升了 52%，有效治療的病人比例明顯增加。就連比較難治療的陰性症狀（像是情感淡漠、社交退縮等），雖然改善程度較小，但仍有 0.17 個標準差的進步。
不過，當劑量提高到超過 42 mg （最高到 63 mg）時，雖然治療效果沒有明顯增加，副作用卻開始變多了。患者比較容易出現口乾、口渴、噁心、想吐、嗜睡和頭暈等不舒服的症狀。值得注意的是，不管劑量高低，這個藥物都不會增加患者因為受不了而停藥的機率，也不會造成頭痛或是錐體外症候群（一種常見的精神科藥物副作用）。
對於思覺失調症患者來說，lumateperone 42 mg 似乎是最理想的劑量，既能有效改善症狀，副作用又相對較少，是效果和安全性之間最好的平衡點。不過由於符合條件的研究數量還不多，未來仍需要更多的臨床試驗來進一步確認這個結論。
恭喜許醫師！
新增 subgroup 分析與找到遺漏資料，有機會發表 updated meta-analysis 嗎？來看看講師的建議。
問：請問校長，在你審閱論文的經驗中，最常見的臨床研究論文寫作錯誤是什麼？就是那種「一看就知道要退稿的」。假設稿件排版人模人樣，英文寫作也沒問題，但還是必須退稿的那種？
答：（蔡依橙）
最常見的問題是 data-driven writing（資料驅動的寫作）。
一般臨床論文的研究概念應該是這樣：我有好奇心想知道什麼事情，於是去回溯病歷（或設計實驗收資料），然後統計，最後回答我當初的好奇心。
這樣的流程，稱為 hypothesis-driven（假說驅動）。
對初學者來說，很重要的一點是，即使你整個流程不一定真的是這樣，你也要為自己的研究想出一個適合的 hypothesis，讓文章的架構看起來是這樣。
