<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:webfeeds="http://webfeeds.org/rss/1.0"><channel><title>ESMO on 林協霆醫師</title><link>/tags/esmo/</link><description>林協霆醫師 (ESMO)</description><generator>Hugo -- gohugo.io</generator><language>zh-tw</language><image><url>https://htl.physician.tw/favicon-32x32.png</url><title>林協霆醫師</title><link>https://htl.physician.tw/</link><width>32</width><height>32</height></image><webfeeds:icon>https://htl.physician.tw/favicon-32x32.png</webfeeds:icon><webfeeds:logo>https://htl.physician.tw/android-chrome-512x512.png</webfeeds:logo><webfeeds:accentColor>5bbad5</webfeeds:accentColor><lastBuildDate>Sat, 09 May 2026 00:00:00 +0000</lastBuildDate><atom:link href="/tags/esmo/index.xml" rel="self" type="application/rss+xml"/><item><title>ngs-tertiary-analysis-skills：從 BAM 到 ESMO 2024 臨床報告的 R 語言三級分析管線</title><link>/blog/ngs-tertiary-analysis-skills-2026-05-09/</link><pubDate>Sat, 09 May 2026 00:00:00 +0000</pubDate><guid>/blog/ngs-tertiary-analysis-skills-2026-05-09/</guid><description>&lt;h2 id="introduction引言" >
&lt;div>
&lt;a href="#introduction%e5%bc%95%e8%a8%80">
#
&lt;/a>
Introduction（引言）
&lt;/div>
&lt;/h2>
&lt;p>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。&lt;/p>
&lt;h2 id="methods方法" >
&lt;div>
&lt;a href="#methods%e6%96%b9%e6%b3%95">
#
&lt;/a>
Methods（方法）
&lt;/div>
&lt;/h2>
&lt;p>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。&lt;/p>
&lt;p>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。&lt;/p>
&lt;h2 id="results結果" >
&lt;div>
&lt;a href="#results%e7%b5%90%e6%9e%9c">
#
&lt;/a>
Results（結果）
&lt;/div>
&lt;/h2>
&lt;p>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。&lt;/p>
&lt;h2 id="discussion討論" >
&lt;div>
&lt;a href="#discussion%e8%a8%8e%e8%ab%96">
#
&lt;/a>
Discussion（討論）
&lt;/div>
&lt;/h2>
&lt;p>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。&lt;/p>
&lt;h2 id="連結" >
&lt;div>
&lt;a href="#%e9%80%a3%e7%b5%90">
#
&lt;/a>
連結
&lt;/div>
&lt;/h2>
&lt;ul>
&lt;li>GitHub：&lt;a href="https://github.com/htlin222/ngs-tertiary-analysis-skills">htlin222/ngs-tertiary-analysis-skills&lt;/a>&lt;/li>
&lt;li>主要語言：R&lt;/li>
&lt;li>最後更新：2026-05-09&lt;/li>
&lt;/ul></description></item><item><title>breast-cancer-uptodate：以 OpenEvidence、OncDaily、OncLive 與 ESMO 自動產出每週乳癌治療趨勢報告</title><link>/blog/breast-cancer-uptodate-2026-04-19/</link><pubDate>Sun, 19 Apr 2026 00:00:00 +0000</pubDate><guid>/blog/breast-cancer-uptodate-2026-04-19/</guid><description>&lt;h2 id="introduction引言" >
&lt;div>
&lt;a href="#introduction%e5%bc%95%e8%a8%80">
#
&lt;/a>
Introduction（引言）
&lt;/div>
&lt;/h2>
&lt;p>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。&lt;/p>
&lt;h2 id="methods方法" >
&lt;div>
&lt;a href="#methods%e6%96%b9%e6%b3%95">
#
&lt;/a>
Methods（方法）
&lt;/div>
&lt;/h2>
&lt;p>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。&lt;/p>
&lt;p>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。&lt;/p>
&lt;h2 id="results結果" >
&lt;div>
&lt;a href="#results%e7%b5%90%e6%9e%9c">
#
&lt;/a>
Results（結果）
&lt;/div>
&lt;/h2>
&lt;p>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。&lt;/p>
&lt;h2 id="discussion討論" >
&lt;div>
&lt;a href="#discussion%e8%a8%8e%e8%ab%96">
#
&lt;/a>
Discussion（討論）
&lt;/div>
&lt;/h2>
&lt;p>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。&lt;/p>
&lt;h2 id="連結" >
&lt;div>
&lt;a href="#%e9%80%a3%e7%b5%90">
#
&lt;/a>
連結
&lt;/div>
&lt;/h2>
&lt;ul>
&lt;li>GitHub：&lt;a href="https://github.com/htlin222/breast-cancer-uptodate">htlin222/breast-cancer-uptodate&lt;/a>&lt;/li>
&lt;li>主要語言：Python&lt;/li>
&lt;li>最後更新：2026-04-19&lt;/li>
&lt;/ul></description></item></channel></rss>