breast-cancer on 林協霆醫師

breast-cancer-uptodate：以 OpenEvidence、OncDaily、OncLive 與 ESMO 自動產出每週乳癌治療趨勢報告

Sun, 19 Apr 2026 00:00:00 +0000

# Introduction（引言）

乳癌治療領域進展極快，從 HER2 低表現的新藥（如 trastuzumab deruxtecan）、CDK4/6 抑制劑於早期治療的角色，到免疫治療與抗體藥物複合體（ADC）的試驗結果，每週都有可能改變臨床實務的訊息。然而臨床醫師難以每週手動瀏覽所有來源並整理趨勢。本專案以自動化方式定期蒐集 OpenEvidence、OncDaily、OncLive 與 ESMO 等可信來源的乳癌治療新訊，產出可被快速消化的趨勢報告。

# Methods（方法）

系統以 Python 為主，於每週固定時間執行排程任務：依關鍵字與日期過濾從各來源擷取最近一週的乳癌相關內容，並以 LLM 進行摘要、分類與重要性判定。輸出採用結構化 Markdown，包含「重要試驗」、「指引更新」、「FDA／EMA 動態」、「會議摘要」等固定欄位，使讀者能在固定模板下快速比較不同週次。

設計重點在於來源透明：每筆摘要皆附原始連結與發布日期；任何由 LLM 生成的詮釋皆與原文嚴格區分。執行紀錄留存於版本控制中，使後續可回溯任一週的原始素材。

# Results（結果）

每週報告構成一份個人化乳癌治療趨勢電子報，可由作者本人優先閱讀，亦可作為與住院醫師或 fellow 教學討論的素材。對於非專責乳癌但需偶爾接觸該疾病的內科醫師，此報告提供低成本的「跟上腳步」方式。長期累積的報告亦能作為文獻檢索的補充索引。

# Discussion（討論）

本專案實踐了「以自動化補足注意力有限」的概念：當資訊過量時，重點不在於讀更多，而在於有結構地讀少而對。限制方面，自動摘要可能漏掉超出關鍵字過濾範圍的重要訊息；LLM 對某些臨床細節的詮釋仍需人工把關。未來可加入個人化偏好（例如更關注 HER2 低表現或 BRCA 突變子群），並結合 RSS 訂閱整合至既有閱讀流程。

# 連結

GitHub：htlin222/breast-cancer-uptodate
主要語言：Python
最後更新：2026-04-19

adj-HER2-pos-breast-cancer：HER2 陽性乳癌輔助治療文獻整理與決策輔助

Wed, 08 Apr 2026 00:00:00 +0000

# Introduction（引言）

HER2 陽性乳癌的輔助治療隨 trastuzumab、pertuzumab、T-DM1 與口服 tucatinib 等藥物的問世而日趨複雜。臨床醫師需在腫瘤大小、淋巴結狀態、化療反應、組織學特徵之間整合最新試驗結果，做出個別化決策。本專案以靜態網頁形式整理 HER2 陽性乳癌輔助治療相關文獻與決策框架，作為臨床查閱與教學使用的速查工具。

# Methods（方法）

內容以 HTML／Quarto 形式呈現：每個關鍵試驗（如 APHINITY、KATHERINE、HERA）有獨立卡片簡述納入族群、處理組、主要終點與當前在指引中的位置。決策框架則採表格化方式：依風險分層與治療反應引導使用者至建議方案。所有原始引用皆附 PubMed／DOI 連結。

設計上避免「無限長文」傾向：每張卡片不超過半頁，使臨床醫師能在診間 30 秒內取得最關鍵訊息。並以結構化分類（淋巴結陽性／陰性、neoadjuvant 反應好／不佳）幫助快速縮小範圍。

# Results（結果）

完成的整理可作為乳癌專科 fellow 教學素材，亦可作為非乳癌專科醫師偶爾接觸 HER2 陽性病例時的速查資源。網頁形式便於跨裝置使用，並可隨指引更新即時修訂，避免列印手冊過時的問題。

# Discussion（討論）

本專案展示了將「複雜決策」拆解為「結構化卡片」的價值：當試驗結果積累，光憑直覺難以涵蓋所有情境，需要外部化的決策輔助。限制方面，HER2 陽性乳癌指引快速演化，需要持續維護；不同國家／健保體系下藥物可及性不同，建議方案需要在地化調整。未來可結合 LLM 提供互動式問答，使讀者能以自然語言描述個案後獲得建議。

# 連結

GitHub：htlin222/adj-HER2-pos-breast-cancer
主要語言：HTML
最後更新：2026-04-08

hrd-parp-inhibitors：BRCA 突變乳癌中 PARP 抑制劑的網絡 Meta 分析

Fri, 20 Feb 2026 00:00:00 +0000

# Introduction（引言）

PARP 抑制劑已成為 BRCA1／BRCA2 突變乳癌的重要治療選擇，但臨床上有多種藥物（olaparib、talazoparib、niraparib）皆獲核准，其療效與毒性差異缺乏直接頭對頭比較。網絡 Meta 分析（network meta-analysis, NMA）能在共同對照組存在的前提下，將不同 RCT 連接為網絡並進行間接比較。本專案以 NMA 方法整合相關試驗，量化各藥物之相對效益與毒性。

# Methods（方法）

文獻搜尋採系統化策略，納入比較 PARP 抑制劑或安慰劑／化療的隨機對照試驗。研究以 LaTeX 撰寫完整方法學細節，並依 PRISMA-NMA 報告規範產出。NMA 採貝氏框架，使用 R 套件如 gemtc 或 multinma 進行估計。主要終點為無進展存活（PFS），次要終點為 OS、ORR 與重大不良事件。

模型診斷包含異質性、不一致性檢驗與藥物排序機率。透過 SUCRA 等指標排序療效與毒性，提供臨床決策的綜合視圖。所有分析腳本與資料萃取表皆納入版本控制，確保可重現。

# Results（結果）

初步分析顯示三種 PARP 抑制劑於 BRCA 突變乳癌之 PFS 改善皆顯著優於對照，但各藥之間存在排序差異；毒性面則呈現不同特徵（如貧血、血小板下降的相對頻率不同）。SUCRA 顯示在不同終點上各藥之優勢有所差異，提示臨床決策需依個別病人耐受性權衡。

# Discussion（討論）

本研究為 BRCA 突變乳癌之 PARP 抑制劑選擇提供量化參考，特別是在缺乏直接比較試驗的現況下。限制方面，NMA 對「跨試驗一致性」的假設需謹慎驗證，異質性與不一致性可能影響結論；不同地區藥物可及性差異使臨床轉譯受限。未來可結合個別病人資料 NMA 與動態治療策略模擬，提供更貼近臨床的建議。

# 連結

GitHub：htlin222/hrd-parp-inhibitors
主要語言：TeX
最後更新：2026-02-20

ici-breast-cancer：免疫檢查點抑制劑於三陰性乳癌新輔助治療之 Meta 分析

Fri, 20 Feb 2026 00:00:00 +0000

# Introduction（引言）

免疫檢查點抑制劑（ICI）於三陰性乳癌（TNBC）的新輔助治療上展現出 pCR（病理完全反應）改善與後續存活訊號，但跨試驗結果（KEYNOTE-522、IMpassion031、NeoTRIP 等）並未完全一致。臨床醫師對於「是否每位 TNBC 病人皆應接受 ICI 加化療」仍存爭議。本專案以 Meta 分析整合 5 項 RCT、共 2402 例病人，量化 ICI 加化療相較於單獨化療的療效與安全性差異。

# Methods（方法）

研究方法以 LaTeX 撰寫詳盡計畫書與分析報告。文獻搜尋遵循 PRISMA 流程，在 PubMed、Embase、Cochrane Library 與重要會議摘要進行系統搜尋；納入標準為符合條件的 RCT、研究對象為早期 TNBC、處理組為 ICI 加化療、對照組為相同化療基礎。主要終點為 pCR；次要終點包含無事件存活（EFS）、整體存活（OS）與重大免疫相關不良事件。

統計上採固定／隨機效應模型，並以 I² 量化異質性、以 funnel plot 與 Egger 檢定評估出版偏誤。子群分析依 PD-L1 表達與淋巴結狀態分層。

# Results（結果）

整合分析顯示 ICI 加化療相較於單獨化療顯著提高 pCR 率，且在 EFS 上呈現有利訊號。子群分析提示 PD-L1 高表達族群獲益更明顯，但低表達族群亦有部分獲益訊號。免疫相關不良事件的整體比率上升但多為可管理。

# Discussion（討論）

本研究為 TNBC 新輔助 ICI 治療提供量化整合證據，協助臨床決策時權衡療效與毒性。限制方面，納入研究於化療基礎組成略有差異，可能造成殘餘異質性；長期 OS 結果仍待更多追蹤。未來可結合個別病人資料（IPD）Meta 分析以細化生物標記亞型分析，並結合 RWE 補充。

# 連結

GitHub：htlin222/ici-breast-cancer
主要語言：TeX
最後更新：2026-02-20