標籤彙整: Office Hour

2026 / 7 / 14

課後照著新思惟教材不斷練習,投上高分期刊!

 

作者:澄清醫院 核醫科 黃政凱 放射師

相關文章:[快訊] 黃政凱放射師團隊,關於比較 PSMA 與非 PSMA 正子造影劑偵測攝護腺癌之網絡統合分析,獲 Clinical Nuclear Medicine 刊登!

 

 

 

 

首先,我非常感謝這次投稿一起合作這個領域的 3 位專家,能夠和你們一起完成手稿,深感榮幸也是一輩子非常難得的機會。這個題目,從開始有想法、文獻搜集、分析、討論到最後完成;每個步驟都不簡單,過程中遇到許多的難題都逐一克服。大家共同執行、討論及不斷的修改,才有這個美好的結果,這個成績應該是歸功於我們團隊。

 

閱讀更多 »

2026 / 7 / 14

[快訊] 黃政凱放射師團隊,關於比較 PSMA 與非 PSMA 正子造影劑偵測攝護腺癌之網絡統合分析,獲 Clinical Nuclear Medicine 刊登!

 

 

 

 

文章介紹

 

在攝護腺癌的診斷與治療規劃中,正子電腦斷層造影(PET/CT)是相當重要的影像工具。近年來,以攝護腺特異性膜抗原(prostate-specific membrane antigen,簡稱 PSMA)為標靶的造影劑,大幅改變了攝護腺癌的影像診斷;即使在攝護腺特異抗原(PSA)數值很低、傳統影像難以判讀的情況下,也能找出病灶,對於生化復發與初次分期都有很好的偵測能力。

 

目前臨床上可用的造影劑不只一種。除了以 PSMA 為標靶的 68Ga-PSMA-11、18F-DCFPyL、18F-PSMA-1007 之外,也有非 PSMA 的膽鹼類造影劑與 18F-fluciclovine。這些造影劑在物理化學性質、體內分布與實際操作上各有差異,加上各地區因法規核准、生產設備與健保給付不同,能取得的造影劑種類也不一樣。

 

然而,不同造影劑之間直接對照的研究仍然有限,臨床上到底該優先選用哪一種,至今沒有定論。網絡統合分析(network meta-analysis,簡稱 NMA)能同時比較多種造影劑,就算彼此之間沒有直接對照的試驗,也能透過間接證據估計相對表現,因此特別適合用來釐清這個問題。

 

黃政凱放射師團隊依照 PRISMA-NMA 指南,查詢了 PubMed、Embase、Cochrane Library 和 ClinicalTrials.gov 等資料庫(搜尋至 2025 年 3 月),收入直接比較兩種 PET 造影劑的臨床研究,並以 QUADAS-2 評估研究品質。

 

團隊採用頻率學派隨機效應網絡統合分析,並以 68Ga-PSMA-11 作為對照,計算各造影劑「偵測率」(detection rate,簡稱 DR)的相對風險。最後共納入 23 篇研究,包含生化復發 19 篇(1681 名患者)與初次分期 6 篇(271 名患者)。

 

在生化復發的攝護腺癌中,PSMA 造影劑的偵測率明顯高於非 PSMA 的膽鹼類造影劑與 18F-fluciclovine。進一步比較各種 PSMA 造影劑,以 64Cu-PSMA-617 的估計偵測率最高,其次依序為 18F-DCFPyL、18F-PSMA-1007 與 68Ga-PSMA-11;而 18F-PSMA-1007 與 18F-DCFPyL 不論在生化復發或初次分期,偵測率都高於 68Ga-PSMA-11。

 

研究結論指出,在偵測攝護腺癌的生化復發時,PSMA 造影劑明顯優於非 PSMA 的選項;而在 PSMA 造影劑當中,又以 18F 標記的藥劑(18F-PSMA-1007 與 18F-DCFPyL)表現一致勝過 68Ga-PSMA-11。因此團隊建議,在能夠取得的情況下,應優先選用 18F 標記的 PSMA 造影劑,作為攝護腺癌生化復發與初次分期造影的首選。

 

 

恭喜黃政凱放射師!

 

收納文獻的時候,要去找樣本數比較多的文獻嗎?來看看講師的建議。

 

閱讀更多 »

2026 / 6 / 27

期刊要求提供森林圖、網絡圖等圖表的可編輯檔案,但 MetaInsight 只能輸出 TIFF 和 PDF,我該怎麼辦?

 

 

  

 

問:NMA 已 accepted,期刊要求提供森林圖、網絡圖等圖表的可編輯檔案(Word、PowerPoint、AI、EPS),但 MetaInsight 只能輸出 TIFF 和 PDF,我該怎麼辦?(謝謝校長,這本是我們領域的頂尖期刊,很開心!)

 

答:(蔡依橙)

 

恭喜,課後接連喜訊,很厲害!

 

請放心,這個情況比你想像的常見,也比你想像的好處理。

 

閱讀更多 »

2026 / 5 / 15

想學會使用 AI 兼顧學術品質與倫理,非常推薦來上這堂課。

 

作者:台灣師範大學 楊為泓 先生

 

 

 

 

首先,非常感謝新思惟團隊這次所規劃的課程,也特別感謝蔡依橙校長與授課老師。上完課後,我最大的感受是:這堂課把研究、分析、寫作、投稿與回覆審查意見,整合成一套可以立刻執行的完整流程。

 

我本身是在國內某研究中心任職的研究員,過去也曾參與幾篇頂尖期刊論文的撰寫。平時在研究與寫作過程中,也算是 AI 工具的重度使用者。

 

因此,對於論文寫作、資料分析、圖表製作,以及 AI 在研究流程中的應用,並不是完全陌生的初學者。也正因為如此,這堂課帶給我的感受格外深刻。

 

閱讀更多 »