好命生醫解密急性白血病 透過AI 與數據看穿身體的無聲警報
CNEWS匯流新聞網記者謝東明、李衣綸／台北報導
8點檔知名演員傅子純，因急性血癌突發不治，享年46歲，發病至驟逝僅在轉瞬之間。好命生醫Homnia表示，這場演藝圈的憾事，再度向社會拋出了一個沉重的預防醫學難題：AI科技能不能在「零病徵」的靜默期，提前攔截災難？執行長暨台大醫學院兼任助理教授蔡嘉櫸博士，從生醫資訊與生技產業的角度分析，急性白血病在臨床上看似突然，但在數據中從來不是偶然。在基因異常與代謝偏移的「靜默期」，傳統健檢的生化指標，或許呈現一片綠燈，但AI結合代謝體檢測可捕捉到前期異常。
好命生醫Homnia表示，據衛生福利部數據顯示，台灣每年新增近千例白血病，其中急性骨髓性白血病（AML）佔比高達31%，是成人最常見也最難纏的血癌。AML可怕之處在於「低特異性」與「高惡化速度」。不成熟的血球細胞，在骨髓中呈指數級暴力增生，干擾正常白血球、紅血球和血小板功能。病患表現出的症狀，如持續疲倦、反覆低燒、不明瘀青或體重下滑，常被人類大腦的慣性思維，誤判為「感冒或過勞」，導致錯失黃金治療期。
蔡嘉櫸直言，傳統常規健檢屬落後指標。當血球數量已經發生肉眼可見的暴跌或暴增時，骨髓系統往往早已全面失控。血癌在臨床確診前的數月甚至數年，造血幹細胞的底層，早就啟動了系統性的基因異常偏離，這段「靜默期」正是傳統醫學工具的盲區。
為了打破這道防線，好命生醫將目光投向了生物科技的最前線，代謝體學（Metabolomics）與AI的交叉應用。發布在國際頂級醫學期刊Nature研究證實，AML患者在確診前，血清中的胺基酸代謝、脂質代謝、糖解途徑等能量指標，就已出現顯著的系統性偏移，單看個別指標可能只是雜訊。但當這些多維度的代謝數據，結合AI 預測模型後，對於急性白血病的診斷準確率，瞬間達到98%，遠超傳統臨床診斷工具。
AI 科技解決方案的核心邏輯，在於從「靜態症狀診斷」升級為「動態異常偵測」，藉由代謝體學與AI機器學習，以98%準確率建立「健康動態軌跡」。只是，在此之前，個人需透過代謝體檢測建構自身動態基準線（Baseline），為個人建立專屬的健康數據常態分布。
進行AI監測與分析血液中如脂質、胺基酸等的微觀偏移，在血球細胞尚未變異前，提早捕獲代謝訊號。當AI捕捉到代謝異常訊號，系統即將偏離正軌、演變成急性發作的臨界點前，即啟動預警系統，提前發出警報，為臨床爭取寶貴的預防醫學介入時間。
蔡嘉櫸表示，今年多起知名人士驟逝的案例，次次為全台敲響警鐘，同時彰顯精準醫療的迫切性。已試圖用AI與代謝體數據，為人類身體架設一套不間斷運作的「動態雷達系統」，讓高致死率的急症，可以在神不知鬼不覺的「無聲警報」階段，就能被代碼與數據給看穿、精準攔截。
照片來源：CNEWS匯流新聞網資料照片
更多CNEWS匯流新聞網報導：
【文章轉載請註明出處】
