Codecrazer (高永碩醫師)

2018年9月5日星期三

[肝癌]肝細胞癌預後 - BCLC stage

最近遇到不少肝細胞癌的病人, 其中肝細胞癌預後有一個很重要的因子, 被稱作BCLC(Barcelona clinical staging), 以下就來簡單介紹一下:

可以分為 5 個 stage:

Stage	肝腫瘤	肝功能	ECOG
0 very early stage	1顆, <=2cm	Child-pugh A	0
1 early stage	1顆, > 2cm 2-3顆,<= 3cm	Child-pugh A-B	0
2 intermediate stage	>3顆 or >=2顆(any>3cm)	Child-pugh A-B	0
3 advanced stage	侵犯portal vein Or 肝外轉移	Child-pugh A-B	1-2
4 terminal stage		Child-pugh C	3-4

其中 Child-Pugh score 的評分標準為:

Score	Bilirubin(mg/dL)	Albumin(g/dL)	PT(s)	Hepatic encephalopathy	ascites
1	<2	>3.5	<4	none	none
2	2-3	2.8-3.5	4-6	1-2	mild
3	>3	<2.8	>6	3-4	severe

把五項的分數加總, class A(5-6分), class B(7-9分), class C(>9分)

而hepatic encephalopathy 的評分標準為:

grade 1: attention deficit, tremor
grade 2: asterixis(把手掌彎曲,會顫抖),confusion,lethargy,ataxia
grade 3: rigidity, clonus, hyporeflexia, somnolence
grade 4: coma

最後就是 ECOG的評分惹:

grade 0: 生活機能跟發病前完全一樣
grade 1: 生活機能稍微受限
grade 2: 可以自我照顧,但無法做任何工作
grade 3: 只能部分自我照顧,躺在床上時間>50%清醒時間
grade 4: 完全臥床
grade 5: 死亡

reference:
1. Forner A, Reig M, Bruix J. Hepatocellular carcinoma. Lancet 2018;391:1301-14
2. https://ecog-acrin.org/resources/ecog-performance-status
3. Principles and Practice of Radiation Oncology
4. 麻州內科手冊

2018年8月24日星期五

醫師選科

這個網頁主要目的是為了幫助
面對選科困惑的醫學系畢業生們
希望結果能對你/妳有幫助
測驗總共18題點擊下面按鈕
馬上開始吧

2018年8月23日星期四

[radiobiology] linear-quadratic model

輻射生物學裡面,有一個非常重要的模型,被稱為linear-quadratic model, 其嘗試用一個簡單的公式,來描述輻射劑量和細胞存活的關係(也就是survival curve)

其模型如下:

$ S= e^{-\alpha*D-\beta*D^2} $

其中

S 代表在輻射劑量 D 之下,細胞能夠存活的比例
$\alpha$, $\beta$ 是常數

先來確定初始值, D=0 時, S=1, 驗證成功!

這個模型其實核心概念不難理解,不過要牽扯到一些分子生物學的東西,今天我們知道輻射對生物體的傷害主要是透過傷害DNA來達成

其造成傷害的方式有很多種,包括:

1. base damage
2. SSB(single-strand break)
3. DSB(double-strand break)
4. DNA-DNA crosslink

其中, DSB, 有就是DNA雙股都斷裂,被認為是主要造成細胞死亡的機轉

好惹,既然了解了主要機轉後,那就能來了解這個公式了, 因為DNA有雙股,所以我們可以簡單發現兩股皆由同一個電子(或電子造成的自由基)破壞的機率和$D$成正比,兩股由不同的電子(或電子造成的自由基)破壞的機率和$D^2$成正比,所以就能理解這個公式惹

當兩個情形的發生機率差不多時,
$ \alpha*D=\beta*D^2 $

$ D=\alpha / \beta$

這數值被稱為alpha-beta ratio, 可以決定survival curve 的形狀, 這邊可以發現這個ratio的單位是Gy !!!!

alpha-beta ratio: 在腫瘤和 acutely responding tissue 值會比較大(很容易理解,就是因為低劑量反應就會很快); 相對的, 在late responding tissue的值會比較小

以上是我的整理,歡迎討論!

reference:
1. radiobiology for the radiologist Eric. J Hall
2. basic clinical radiobiology

2018年8月18日星期六

[radiobiology] 輻射生物學介紹

最近換了新工作, 新工作會用到許多輻射方面的知識, 輻射生物學(radiobiology)就是其中一門重要的學問, 因此來寫篇文章, 帶大家來理解輻射生物學的輪廓

首先, 先簡單定義一下輻射, 依照原子能委員會的定義, 輻射是一種帶有能量的波或粒子,包括了電磁波以及放射性物質發出的微小粒子

其中當輻射對生物體作用時,可分為兩類:

1. excitation: 因為輻射的能量不夠,所以只能讓生物體內的電子由低能階到高能階,但並未激發電子
2. ionization: 因為輻射的能量夠,所以能讓生物體內的電子脫離原子核束縛,成為自由電子,能夠讓電子被激發的輻射就被稱為游離輻射(ionization radiation)

好惹,到這裡我們終於可以定義輻射生物學惹,輻射生物學就是一門研究"游離輻射"對生物體作用的一門學問

好惹,既然要研究輻射對生物體的作用,那就不得不提到DNA惹,大家都知道DNA對細胞來說,非常重要,破壞DNA,會對細胞的複製以及功能表現產生極大的影響

游離輻射影響DNA的方式有兩種:

1. direct action(直接): 游離輻射對原子作用,產生的自由電子直接對DNA作用
2. indirect action(間接): 游離輻射對原子作用,產生的自由電子去撞擊到水分子,產生自由基後再去對DNA作用

p.s. 不要把direct(indirect) action of radiation 和 direct(indirect) ionizing radiation 搞混

1. direct ionizing radiation: 指得是"帶電粒子", 直接對原子作用, 進而產生自由電子
例如: alpha, beta 粒子利用庫倫力(及同電性相斥,異電性相吸)直接對原子作用,產生自由電子
2.indirect ionizing radiation: 指得是"不帶電粒子", 經過一連串的反應,產生自由電子

講完一些基本概念,接下來來講輻射劑量

1. absorbed dose(吸收劑量): 單位為Gray(Gy),中文翻譯為格雷, 1 Gy = 1 J/kg, 一格雷代表每公斤吸收一焦耳能量

2. equivalent dose(等價劑量): 單位為Sievert(Sv),中文翻譯為西弗, 1 Sv= 1J/kg, 看起來跟格雷單位一樣,實際上主要差別在於生物體吸收劑量後, 其實際生物效應會和輻射種類有關, 因此eqivalent dose = absorbed dose* radiation weigting factor

其中,決定radiation weigted factor數值的是一個國際權威機構, 其名為ICRP

3. effective dose (等效劑量): 單位也是Sievert(Sv),其和等價劑量的差異是在,生物體的各個部位對輻射的反應會不同, 因此, effective dose = eqivalent dose* tissue weighting factor, 其中,決定tissue weighted factor 亦為ICRP

了解了輻射單位後,來看看輻射對生物體作用的形式有兩種:

1. deterministic effect (確定效應): 只要超過一定輻射劑量,就會引起疾病,齊集定嚴重度和劑量成正比,但若未超過,則不會產生疾病! Ex. 白內障

2. stochastic effect (機率效應): 只要有劑量,及有機率發生, 其發生機率和劑量成正比

Ex. 白血病,癌症

參考資料:
1. 行政院原子能委員會
2. radiobiology for the radiologist by Eric J Hall
3. http://www.kmuh.org.tw/www/kmcj/data/10611/4.htm
4. http://www.who.int/ionizing_radiation/about/what_is_ir/en/
5. http://www.icrp.org/publication.asp?id=ICRP%20Publication%20103
6. http://ocw.nthu.edu.tw/ocw/index.php?page=chapter&cid=42&chid=779

2018年6月29日星期五

[機器學習] validation

在機器學習裡面, 我們知道今天用training data來訓練模型,在我們把模型來去實際應用前,我們需要一個方法來驗證我們模型的準確度,這個方法就叫做validation(驗證)

validation 就是指我們把training資料分成兩份, 一份當作training data, 另一份當作 validation data(也就是拿來當作已知的testing data), 來估計模型的準確度

但單用validation在小樣本時會有問題, 因此就有人發現到, 咦, 我們每次把資料分成兩半,拿來當validation data 的資料沒有被用來training,於是就有人決定把它拿來當作training data,另外一半當作validation data惹~ 這種方法就叫做cross validation(交互驗證)

cross validation 的做法很多,以下來介紹常見的 K-fold cross validation:
其原理很簡單, 把資料分作K份,每次其中一份當testing data,其餘當作training data. 這樣做個K次來看模型的預測能力

當然囉,要看模型的預測能力有很多方法,有興趣的可以去reference 2 的網站看,裡面列出很多方法!

reference:
1. https://www.kaggle.com/dansbecker/cross-validation
2. http://scikit-learn.org/stable/modules/cross_validation.html#cross-validation

2018年6月6日星期三

[機器學習] training v.s. testing

在機器學習裡面,有一個很重要的概念,叫做training 和 testing

training: 我們利用已有的資料來訓練模型,進而得到目標函數
testing: 把training 後的目標函數, 拿去應用在現實例子中

其中training 會得到 in-sample error; testing 會得到out-sample error

舉例來說,我們想利用病人的檢查結果來預測癌症, 於是我們會先把手上有的資料拿來訓練模型(training); 之後訓練好再把它丟出來給大家拿來預測(testing)

那這些error 是怎麼來的呢, 我們知道在機率與統計裡有一個概念,也就是variance 和 bias

以下用打靶來比喻:

variance :指得是每次射擊的彈孔間的差異
bias :指的是彈孔離靶心有多遠

今天我們如果模型越簡單, 其variance會越小,因為data 對模型的影響越小
反之,如果模型越複雜,其bias 會越小, 因為模型越複雜,越有可能逼近真正的情況

所以綜上所述,我們可以發現 bias 和variance 有tradeoff

當模型太簡單,導致bias 太大 => 被稱作 underfitting
=> 解決方法:
1. 修改模型

當模型太複雜,導致variance太大=> 被稱作 overfitting
p.s. 有些書上有另外一種定義方法, 也就是因為模型太複雜,所以in-sample error會很小,但是out-sample error 會很大 (其實意思差不多, 因為 variance 一變大, out-off sample error 和 in-sample error 的差別會變大, 所以最後得到的 out-sample error 可能比簡單模型還大)

=> 解決方法:
1. 蒐集更多資料
2. regularization

reference:
1. 李宏毅教授 youtube
2. learning from data