研究方法

前陣子分享的論文評讀工具（讓 Claude 幫忙做品質評讀跟內容整理），有朋友回我一句很實在的話：工具是好用，但每次都得自己先去把 PDF 生出來，最煩的其實是這一步。 真的是這樣。要讓 AI 幫你讀論文，你得先拿得到全文。而拿全文這件事，卡住的通常不是 AI，是權限、是出版社、是圖書館。 所以論文三件組裡最後一塊、也是最痛的一塊，今天終於補上了：paper-fetch（MIT 開源）。給它一個 DOI，它會自己走完整條路，把全文 PDF 抓下來。 階段 工具 做什麼 發現 論文學習雷達 paper-radar RSS／PubMed 餵新論文，依興趣排序 下載 paper-fetch DOI → 全文 PDF 評讀 paper-review-and-digest 品質評讀、內容整理 — 它怎麼運作？一道由便宜到麻煩的階梯 整個設計只有一句話：先走最便宜、最正當的路，失敗才往下掉。 第一層：開放取用（open access） Unpaywall、Semantic Scholar、PMC／Europe PMC，還有藏在文章網頁裡的 citation_pdf_url meta tag（那正是 Google Scholar 拿來索引 PDF 的東西）。這層零金鑰、開箱即用，你只要在設定檔填自己的 email。沒有圖書館資源的人，能接的來源我都接上去了。 第二層：出版社官方的文字探勘 API（text-mining API） Elsevier、Wiley、Springer 都有正式開放給文字探勘用的 API，自己去申請一把金鑰就好，是完全被允許的管道。這層跟盜版一點關係都沒有，只是大家很少知道它存在。 第三層：自己醫院圖書館的校外連線 用你自己的帳號登入，抓你們醫院本來就有訂的期刊。它只是把你原本會手動做的那一串點擊自動化，不是繞過付費牆。 第四層：投降，但投降得有用 全部失敗的話，它會把圖書館的 SFX／OpenURL 連結印出來讓你手動去點，而不是丟一個 error 就沒了。 沒有 Sci-Hub，沒有盜版路線。 每一層都是你本來就有資格走的路。 — 最花時間的是什麼？把每一家出版社的脾氣摸清楚 這是我覺得整個專案最值得分享的部分。DOI 換 PDF 聽起來像一行程式，實際上每家出版社的做法都不一樣，而且沒有文件可以查，只能一篇一篇撞出來。目前摸清楚、而且用真實文章驗證過的有 20 幾條路線，收斂成四種形狀。 ...

引言：為什麼官方分數不夠用 我把演講錄影變成筆記的流程是這樣一條線：逐字稿 → 對應投影片 → 總整理。 這條線的地基是語音轉文字（automatic speech recognition，ASR）。它聽錯多少，後面每一層筆記就跟著錯多少。原本我用的是 OpenAI 的 Whisper large-v3。 這件事的起點，其實是我滑手機看到聯發科（MediaTek Research）發表台語模型 Breeze-ASR-26。 台語模型本身就夠讓人好奇了，但點進去才知道，原來他們去年就出過 Breeze-ASR-25，從 Whisper-large-v2 微調，專門針對台灣華語和中英夾雜優化，Apache 2.0 開源。醫學演講正好是中英夾雜的重災區，我居然錯過了一整年。 於是我同時面對兩顆模型，而它們的官方資料是完全不對稱的。 Breeze-ASR-25 給了一整張成績單，字錯率（word error rate，WER，越低越好）： 資料集 Breeze-ASR-25 Whisper-large-v3 Whisper-large-v2 CSZS-zh-en（中英夾雜） 13.01 26.43 29.49 ASCEND-MIX（中英夾雜） 16.38 25.13 21.01 ASCEND-ZH（華語） 16.04 17.41 17.49 CommonVoice16-zh-TW（台灣華語） 7.97 8.95 9.84 ML-lecture-2021-long（長音檔演講） 4.98 6.41 6.13 （官方欄位寫的是 WLV3-Auto／WLV2-Auto，也就是開啟自動語言偵測的 Whisper。） 它連我當時在用的 large-v3 都贏，中英夾雜那兩列更是壓倒性。這部分我沒有必要再證明一次。 而 Breeze-ASR-26 呢？它只有台語一項成績——但那一項做得很紮實。 官方拿它跟四個系統比台語字元錯誤率（character error rate，CER，越低越好）： 系統 台語 CER Breeze-ASR-26 30.13 教育部台灣台語輸入法 30.70 雅婷逐字稿 32.11 Google Gemini 3 Flash 32.52 Breeze-ASR-25 49.99 它在台語上贏了 Gemini 3 Flash，也贏了雅婷。 這是真本事，不該被忽略。 ...

背景：我本來就在用的東西 念專科考試的時候，我給自己弄了一套 RAG（Retrieval Augmented Generation），用「看相似度」的語意搜尋（semantic search）把幾百本復健科教科書跟我自己的筆記變成可以查、可以問的東西。一邊在 Obsidian 裡讀書用，一邊讓 Claude 透過 MCP 也能找到我要的東西。 它目前最弱的地方，就是「跨文獻把知識串起來」。所以前幾天看到有人分享一篇剛發表的論文 SAG（SQL-Retrieval Augmented Generation），說可以在語意搜尋之外加上結構化查詢語言（SQL）跟圖的概念，讓跨文獻搜尋更容易，效果類似 GraphRAG 但更好維護、更好建立，我整個眼睛一亮。 在這時代想當然爾，就是把論文連結丟給 Claude，請他去讀論文、抓原作者的 GitHub、讀懂作法，然後用我自己的資料把整條管線複現出來、實際跑 benchmark XD 論文：Wu et al., SAG: SQL-Retrieval Augmented Generation with Query-Time Dynamic Hyperedges, arXiv:2606.15971。程式碼：github.com/Zleap-AI/SAG-Benchmark 第一步：選模型（RTX-3070 的眼淚） 整條管線裡最關鍵的一步，是用 LLM 把每段文字抽成「事件 ＋ 實體」存進資料庫。原論文用 Qwen，我就比了本地的 Qwen（qwen3.5:4b）跟線上的 Claude Haiku。 結果 Haiku 萃取資訊的能力明顯比較好，實體圖更密、命名更一致（這對後面用 SQL 串很重要），而且看起來很便宜。這跟我先前的經驗相符，可能我的 RTX-3070 真的太弱了，稍微大一點的模型就跑不動（時代的眼淚阿），直接用 Haiku 又快又好！ 順帶一提，我沒有 API 訂閱也能用 Haiku：直接派 Claude 的 subagent 去做，跑在既有額度內就好。 教科書上的三個發現 我用神經復健的教科書當測試語料，設計了一批臨床問題，拿 SAG 跟原本的語意搜尋正面對決。結果分三關： 第一關，單一本書：打平。語意搜尋已經夠強，多跳機制沒用武之地。 第二關，跨書、但問題裡把關鍵字都寫白了：還是打平。因為問題裡已經把「中風、脊張力、步態」全寫出來，語意搜尋自己就把相關段落都撈回來了。 第三關，跨書、但只問一端、中間那跳故意不講（例如只問「馬蹄內翻足怎麼處理」，期待它自己連到背後的脊張力機轉跟治療）：SAG 終於贏了，而且贏很多。 ...

正值申請PGY期間，赫然發現好多人都已經人手一篇paper，驚嘆於世界改變之快、生存壓力之大時，要回頭來跟學弟妹們說說這事情的重要性了，希望你們能在大一、大二就開始來為這事情做準備。不過也要先說明，我自己目前尚未發表任何一篇論文。開啟太多線研究的結果，就是現在都還在寫作或投稿中，下面僅就我知道的資源與經驗與大家分享了。 為何做研究？ 做研究可以是高尚的理想，也可以看成是蘿蔔與大棒 (carrot and stick) 的問題，不過理想方面人人不同，我們就先勢利的來看這件事吧。 時代與情勢，評鑑與生存 先從整個醫療體系來看，為什麼這麼重視醫師要做研究呢。現代醫院都須進行評鑑，而評鑑項目要求有「醫師科學家」的存在，也就是醫院要有大量論文產出、某比例的教職數量，壓著醫院要努力達成，不然就不被承認，甚至醫院降級喪失權利。而院長首當其衝承受這壓力後，就來往下要大家努力，一層層往下從部主任、科主任、主治、住院醫師，各自都承受著一點壓力，醫院也祭出了蘿蔔與大棒來要大家向前行。 蘿蔔與大棒 (Carrot and stick) 蘿蔔的部分，大家很常可以聽到某某醫師出國開會，誰誰誰投了篇高分期刊，其實這些都是獎勵的部分：醫院會補助醫生公費公假出國開會，而不論哪個國家，開會的默契就是選個能好好認(度)真(假)的地點，能學習又能放鬆；另外發表的分數也決定醫師的教職，教職則能夠申請更多經費、講話更有力、民眾喜愛等；最後發表的越高分，醫院也會提供越高的獎金，每份研究都是額外收入的來源。回到醫學生，研究的好處是有機會去各國貼海報，學校、醫院幫你出錢，未來申請****PGY、R都是不錯的履歷。（對了，海報其實很好投，畢竟誰不希望自己的論壇有滿滿的人參與學術討論呢） 大棒的部分，醫學中心的醫師、大學的教職都有定期產生成果的壓力，幾年沒有發表就要捲鋪走人；而對要申請住院醫師的我們，可以想見會做研究的住院醫師是即戰力，進來科內就能幫忙發表，因此有論文在手的住院醫師就是比起其他人更加優先，而這也產生了同儕間「不得不做」的壓力。前陣子正逢apply季，在一個醫師專屬的論壇之中，幾天就會有人詢問「某某科是不是都要有論文在手」，或是「我有n篇可以上」嗎，感覺起來現代的Clerk與PGY有論文的比例很高，而到當Clerk時再準備會是較大的壓力，何不從你們還在大學就開始呢？ 更多文章 [開始研究 1] 為何做研究 [開始研究 2] 研究的類型 [開始研究 3] 找老師、資源分享、致謝與總結 （本文亦刊登於醫學生聯合會電子報）

想開始做研究，第一步就是要選擇研究類型。就我所知，醫師參與的研究多為臨床研究、基礎研究、社會學研究三種。臨床研究主要接觸病人，觀察他們的疾病狀態、用藥改變等；基礎研究主要在實驗室，動物實驗、微生物實驗、分子細胞實驗等都是他的範疇；社會學研究研究人的狀態，包含醫學教育、病人認知等。其中我沒有接觸過在實驗室的基礎研究，就來為大家分析另外兩種吧。 研究的類型 — 臨床研究，貼近你未來生活 Figure 1. 左邊為證據金字塔，右邊為我自己的分類 我們用實證醫學 (Evidence-based medicine, EBM) 的證據金字塔，來介紹臨床研究的類別。實證醫學代表著臨床根據證據來行事，證據來自於研究，而研究有高低之分，越少有偏誤 (bias) 的研究類型，證據等級越高。 我自己粗略地把金字塔分成三部分，下面三個是「流行病學」的部分，運用觀察來看不同狀況下發生什麼事情；中間兩個是「臨床試驗」，我們介入去看不同的處置會產生什麼結果；最上面兩個是「研究研究」，先動詞再名詞，也就是研究別人的研究，整合別人的成果。 流行病學 Case report, case series：位在最下方，他們最容易執行，把臨床遇到的病人報出來就是一篇文章，通常罕見的案例比較有機會投稿。要注意的是，我們可能會看所有死人都有喝水，然後得到喝水會死人的奇怪結論，因此應該要再往上升，把對照組放入研究。 Case-control study, Cohort study：這兩個都有把對照組放入研究，可以看看沒有喝水或是沒有死掉的人，他們都是怎麼樣的。而這兩個的差別在於Case-control從疾病出發（死人/活人）去看他們有沒有暴露（喝水/沒喝水），Cohort則是從暴露出發（喝水/沒喝水）去看有沒有疾病（死掉/存活）。兩者會有各自的問題，也有各自適合的狀況，例如罕見暴露適合用Cohort，罕見疾病適合用Case-control，這就是流行病學要學的，這裡不多說。 我的觀點：這些觀察型研究，優點是貼近臨床工作的，在執行上比較容易；缺點是觀察型研究不能肯定控制所有變項，證據等級較臨床試驗低；需要的條件是要熟悉流行病學，執行前要先將各組清楚定義，設定好可能影響結果的共同變項 (confounding factors) ，並且設定適當的對照組來減少共變項的影響。 臨床試驗 Clinical trial: 包含有隨機分派臨床試驗 (Randomized controlled trial, RCT)，也就是臨床上大家最信賴的研究方法之一，可以透過把兩組人隨機分開，確保兩組人背景差不多。 我的觀點：臨床試驗我沒有參與過，它的優點在於證據等級高，能夠明確回答某治療是否有效，某診斷工具是否有用等；但缺點在於倫理考量時，不能叫一群人去抽菸、不治療，且要達成雙盲、給予藥物等，需要較高的人力與金錢成本，學生難以執行。 研究研究 Systematic review, Meta-analysis: 透過系統性地去把所有相關的文章找出來，讀過一遍，中性的跟大家說目前確定的證據是什麼，不確定的是什麼，是在茫茫論文海中解救大家的浮木，也是未來研究往前進的扎實參考。若把過往的研究數字整合起來，給出整合所有研究的數字，那就可以稱之為Meta-analysis。深入研究進去，其實還有不是A與B比較，而是ABCDE多方比較的Network meta-analysis；還有以觀察型研究出發的Dose-response meta-analysis等，正蓬勃發展中。 我的觀點：研究研究的優點在於，穿著休閒的坐在咖啡廳，拿出你的電腦就可以優雅的做研究，幾乎不需要金錢成本去買資料庫、買老鼠等，很適合沒有資源的學生、新手；缺點在於越來越熱門，中國的研究人員寫得很勤，要拚過他們需要很快的速度，聽過多次寫完卻發現別人已經發表的慘痛經驗，因此做這個的話，最好就從進階的Network等開始，從方法學上超車。另外要研究研究，首先要先清楚各類研究，能夠判斷各個研究好壞、讀懂研究價值與缺點，才能給予評論。對於剛開始的新手，學習研究研究，其實也是在學習做研究，且跟未來當醫師時需要的實證醫學能力相整合，很適合我們。 整體來說，不管你要做哪個，實證醫學的概念可以幫助你在各項都準備好。而學習實證醫學目前有很多的資源，像是各類評讀工具讓你看懂文章好壞，也能看懂別人執行時方法的強弱，是未來做研究的地基，可以使用像 CASP、RoB 2.0、GRADE等等；而書本也出了很多，教你怎麼找到論文等。另外就是要有「研究就是在控制偏誤（****Bias）」的概念，用你的火眼金睛在每個環節嘗試找出Bias，會不斷加強你的功力。最後就是要找個好老師，尚未進醫院前難以有好的題目，所以從跟著老師做起吧，我們下面再說這話題。 研究的類型 — 社會學研究，從活動咖變研究咖 身為全台灣最認真念書的一群人，進到醫學系後突然壓力消失，大家轉而投入社團、休閒、攝影等，都創造出不錯的成績。而我們投入這麼多時間的項目，其實可以產生成果，競賽得獎是一種，在這領域找出你的獨一觀點與別人分享是另一種，其實你可以把這些變成研究的。我對整體社會學了解不多，僅以我那時不願玩社團沒有成果的經驗與大家舉例了。 大三時創立某服務隊，帶著一群學弟妹去部落服務，做著做著到了大四，開始想說能把它轉換為研究，增進服務深度的同時，也是為自己留下紀錄，因此我開始找老師協助。過程中老師先指出了我們的特點可能是在培養文化適能 (Cultural competence) ，可以從練習找參考資料開始，去找別人的經驗。那時的搜尋讓我看到原來這問題已經被人研究的這麼有架構，我套用上他把文化能力切成Internal, Interpersonal, Structural的角度，就可以在各個面向加入我的訓練方案，並在最後評估他們的成效；因此我在Internal擺上反思訓練，Interpersonal擺上敘事訪談，Structural使用跨文化衛教，就成為了獨特的研究。 後來拿著這樣的成果投稿亞太醫學教育論壇 (Asia Pacific Medical Education Conference, APMEC) 順利被接受，做 15分鐘的口頭報告並獲得優選 (Merit Award)之餘，也在新加坡好好的玩了一場。這些活動經歷其實很多人有，可以嘗試看看把他們系統化的轉為研究案，獲得的成果實在很大，可以知道怎麼做的更好，更客觀地看到活動可進步的地方，也是為自己留下紀錄，順便出國遊玩。 ...

找個好老師 決定好研究的領域後，下一步就是找個好老師了。人家說「好的老師帶你上天堂」可真的不假，人生第一篇研究，先求有再求好，而跟著好老師學習是最重要的。然而到底要如何找好老師？所謂的「好」又是什麼呢？ 想找好老師？先當個好學生！ 等等，我們先回頭看看自己有沒有當個好學生？不然一去找老師就得罪對方，甚至被黑掉，那可就玩完了。要先知道我們去找老師指導，對於老師來說我們是個可有可無的存在，或許我們很聰明學得快，但他還是得一點一滴地培養，我們才能變成有功能的人。這與我們剛進臨床當Clerk的感覺類似，不能抱怨對方不教我們，而是要主動站出來詢問有什麼可以幫忙，收到的任務要****100%或200%的完成，並在受到幫忙、教學時，真心誠意地感謝對方，這些合作的禮儀是很重要的喔。 另外的小提醒是，不要一找老師合作，就要求當第一作者。先科普一下，第一作者與通訊作者是這篇文章的主要功勞者，而別人提到這篇論文時通常會以第一作者代表這篇文章，後面包括通訊作者都會審略。因此一出來就要第一作者，就像一出來就說要奪王位一樣討厭，很可能馬上被趕走呀。 如何找到好老師 準備好自己，就可以來找老師了，這部分跟碩博生找指導老師有點像，大家可以上網看看別人都怎麼搜尋。整體來說，每個人學習與做事的習慣不同，你可以透過詢問大學系辦或醫院的研究部，了解老師們的專長領域；詢問被老師帶過的學長姐們，看老師怎麼與大家討論、如何指導學習、後來是否成功發表、發表時學生放在哪個作者；另外也可以搜尋****PubMed或Research Gate來看老師過往的研究，跟你想做的是否相符、作者序怎麼安排等。 像上面說的，不用一開始就要第一作者，先找到老師詢問能否參與實驗事定期的討論，親身了解該實驗室的進行方式，評估自己是否適合。加入後先與老師講好願意來幫忙與學習，等上手後，可以開始跟老師談是否能讓你固定參與某個計畫，或是讓你自行做一個計畫。慢慢來不要躁進，把自己準備好是最重要的。 最後的提醒是，如果是為了申請PGY或R使用，參與再多實驗室都不比真的發表一篇。第一篇先什麼都不要管，只要能讓你從頭到尾參與一次，就是最大的收穫，也是生涯的證明。因此請好好把握「先求有再求好」的原則。 最後的最後：資源分享、致謝、總結 資源分享 起始階段 大學圖書館：每間大學都買有很多電子資源，下面如果有你打不開的資源，可以去詢問圖書館 文獻搜尋 — PubMed：論文的Google引擎，台大圖書館對他的介紹非常清楚，值得參考 文獻搜尋 — Embase：另一個論文搜尋引擎，標榜更強大，使用需付費 文獻搜尋 — DynaMed Plus：要了解某主題概況時，這個線上資料庫很好的統整現有的證據 投稿階段 期刊狀態 — Journal Citation Report：發表論文的影響指數 (Impact factor) 等 論文寫作 — 萬用模板 英文論文寫作法：這本書的方法很好用，第一次寫論文就上手 課程學習 線上課程 — Coursera：線上課程平台，可以學到生統、寫作、人工智慧、實證醫學等等 線上課程 — AREE：線上IRB課程（與人相關的研究含醫學教育，都務必要申請IRB喔） 線上資源 — Straight Healthcare：線上生統與實證醫學的說明，很詳盡 實體課程 — 新思維：醫師創辦的學校平台，從各樣研究方法講到論文寫作 實體課程 — Cochrane Workshop：教Systematic review，推薦Edwin Chan的課程 實體課程 —台大杜裕康老師：教Network / Dose-response meta-analysis 好用軟體 收集文獻：EndNote、Mendeley都可以使用 量性分析 — R與Python：各領域最多人使用的免費統計軟體，可以透過DataCamp等學習 量性分析 — Stata：貼近自然語言容易上手，畫圖漂亮，是相對便宜的商用軟體 量性分析 — SAS：醫學領域最多人使用的軟體，售價不斐但醫院出錢，我不會用 質性分析 — NVivo：協助將文本統整的軟體 其他 ...