作者：國立陽明交通大學附設醫院 林子唐 研究助理
在醫學研究的道路上，我們都知道統合分析位於實證醫學金字塔的頂端，而近年來，網絡統合分析更因為能夠同時比較多種介入措施的優劣，成為了熱門題材。
然而，對於像我這樣非統計專業的人來說，NMA 就像是一座高不可攀的山峰。過去我曾嘗試閱讀國外教科書，也試著在網路上搜尋免費資源或程式碼，但往往是「見樹不見林」，光是繁瑣的數據格式整理就讓人頭痛，更別說後續複雜的分析與解讀，以及如何畫出那張 Network Plot。
明明知道這是好題目、想做卻做不出來的焦慮，一直困擾著我，直到我報名了蔡依橙校長的《網絡統合分析工作坊》，才終於在學術研究的迷茫中找到了明確的方向。
寫 NMA 的路上，AI 能幫的地方很多，但有一類問題，是 AI 永遠無法替你解決的：真正卡住的時候。不是語句不順、不是找不到文獻，而是那種「看起來像死路」、讓你以為整篇寫不成、甚至想放棄的卡關點。這堂課，就是專門處理這些問題的。
答：（蔡依橙）
這個問題的關鍵，在於你能夠怎樣過日子？
我的意思是，如果你覺得薪水每個月別人算好匯進來，也蠻夠用的，然後你能從日常的臨床工作，以及學術討論獲得能量，有機會接觸新技術新 procedure 看到新疾病的時候，覺得熱情都來了。那麼醫學中心就是個適合你的地方。
而行政或者人際或者派系鬥爭，當然是消磨人的，不過如果你在門診、手術室、procedure room、自己的辦公室，都能夠回血，那問題就不大。
（有些人則是行政、人際、派系鬥爭，能給他們帶來源源不絕的能量，這種人才當然會選在醫學中心這樣的大組織工作 ）
接著，就是拿同樣的問題，去思考中小醫院或者診所。
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。
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。
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。