Skip to main content

林協霆醫師

hemonc-daily-case：以 Claude Code Routine 自動產出 Q1 血液腫瘤每日病例摘要

/blog/hemonc-daily-case-2026-05-09/ 林協霆
Table of Contents

# Introduction（引言）

對於專科醫師而言，持續閱讀並消化高品質期刊病例報告是維持臨床敏銳度的重要途徑，但臨床工作繁忙下要每日抽空閱讀並做筆記並不容易。Q1 期刊（如 NEJM、Blood、Lancet 系列）的病例報告字數密度極高，若僅以閱讀器被動瀏覽，難以形成可索引的個人知識資產。本專案以 Claude Code Routine 為自動化引擎，每日定時產出一篇結構化病例摘要，將被動閱讀轉換為主動可搜尋的個人題庫。

# Methods（方法）

系統以 Claude Code 提供的 Routine 機制建立排程任務，每日於固定時間執行：依據預設來源篩選新發表的血液腫瘤學病例報告，呼叫 LLM 依固定模板（病史、檢驗、鑑別診斷、治療、結果與學習重點）萃取結構化摘要，並寫入版本控制的 Markdown 檔案。Markdown 設計刻意對 Anki、Obsidian 與 Quarto 友善，便於後續轉換為複習卡或教學素材。

整體流程強調無人值守：當日若無新案例則跳過或注記；若 LLM 輸出失敗則重試並紀錄錯誤。所有產出存入 Git 倉庫，形成具備時間軸的學習日誌。

# Results（結果）

每日累積的病例摘要構成一個個人化、可搜尋的血液腫瘤學病例資料庫。透過 Git 歷史可追蹤每日學習軌跡；透過 Markdown 檔案可快速 grep 找出特定疾病或治療藥物相關案例；透過 Routine 化執行確保學習頻率不依賴人為意志力。對於正在準備內科或專科考試的住院醫師、研究員，本系統提供穩定的高品質題材來源。

# Discussion（討論）

本專案實踐了「將學習任務自動化為 routine」的觀念：當醫師專注於品質而非紀律時，學習的可持續性將顯著提升。其限制在於：摘要品質受 LLM 模型版本與 prompt 工程影響，且需確保來源符合著作權規範；過度依賴自動摘要也可能弱化讀者自身的批判性閱讀。未來可結合主動學習，根據使用者答題正確率動態調整摘要難度，並串接至 Anki MCP 自動產出複習卡。

# 連結

Read next