# Introduction（引言）

次世代定序（NGS）已成為腫瘤學臨床決策的核心工具，但「次級」與「三級」分析之間的鴻溝仍是落地阻礙。次級分析輸出的是變異列表，而三級分析必須將每個變異映射到臨床可行性、藥物選擇與證據等級，並輸出符合 ESMO Scale for Clinical Actionability of molecular Targets（ESCAT）等臨床指引的書面報告。多數商用平台費用昂貴或不透明，本專案以 R 語言實作可重現的開源管線，作為臨床醫師與研究者學習與驗證的教材。

# Methods（方法）

管線從 BAM 檔起始，經由變異呼叫、註解與過濾，產出可信變異集合。在三級分析階段，系統以 OncoKB 進行致病性與可行藥物的對照、查詢 PubMed 與 Scopus 進行文獻證據蒐集，並依 ESMO ESCAT 框架（Tier I 至 Tier X）為每個變異賦予證據等級。R 套件生態提供豐富的生物資訊工具與報表能力（Quarto／R Markdown），使整份臨床報告可在單一管線內以可重現方式產出。

設計著重於：模組化（每個步驟可獨立替換）、可審計（所有外部資料庫查詢皆紀錄版本與日期）、以及符合 ESMO 2024 報告的結構化輸出。此架構可作為單一機構建置自有 NGS 報告平台的範本。

# Results（結果）

管線可將原始 BAM 檔在合理時間內轉化為包含臨床建議、文獻證據與 ESCAT 分級的完整報告。R 為主的實作降低了腫瘤科醫師參與的門檻，並能與既有統計分析環境無縫整合。整體流程可重現性高，每次執行皆能標註所引用之資料庫快照版本，以滿足臨床稽核要求。

# Discussion（討論）

本專案展示開源工具鏈在臨床基因體學的潛力，特別適合資源有限的醫學中心建構自有報告系統。其價值在於透明化：每一個臨床建議的來源皆可被追溯。限制方面，R 在大規模 BAM 處理上的效能仍不及 C/Python 實作，且 OncoKB 與 ESCAT 的更新節奏需要持續追蹤。未來可擴充為涵蓋藥物代謝基因（PGx）與免疫治療生物標記的整合報告，並結合 LLM 進行臨床敘事化摘要。

# 連結

• GitHub：htlin222/ngs-tertiary-analysis-skills
• 主要語言：R
• 最後更新：2026-05-09