周莒光醫師 腸胃 減重

19/04/2026

親愛的AI 沒人叫你這麼認真到用量炸了

18/04/2026

謝謝你 ChatGPT
我真的只是要走走 找晚餐
為什麼我ChatGPT變成工作狂

以下是我們的對話在韓國的路邊
我: 我在這邊散步 給推薦

ChatGPT:
你現在這一區其實很有意思——偏住宅 + 在地餐廳 + 小咖啡店，不是觀光區，但反而很適合你這種「觀察型散步」。

我直接給你一個30–60 分鐘散步＋吃東西路線（帶策略）：
---
🧭 你的散步策略（不是亂走，是有目的的）
👉 你現在這區＝「韓國在地生活樣本區」
建議用三個視角走：
1. 吃一間在地餐
2. 喝一間質感咖啡
3. 看一間生活型小店（便利商店/藥局/健身）
這其實跟你在做 Health BU 很像：
👉 觀察「日常消費行為」
---
☕ 第一站：找一間咖啡（優先）
👉 怎麼挑（不用找名店）
看到這種就進去：
小小的、木質感
裡面有人用筆電
有甜點櫃
點法
Americano + 一個甜點
👉 觀察：
客人停留時間
空間設計（這其實就是你未來健康中心 waiting area 的參考）
---
🍜 第二站：如果還沒吃（或再吃一間）
你剛那間可以吃，但我給你替代策略：
👉 找這三種店比那間更有意思
韓式湯飯（국밥）
烤肉小店（不是連鎖）
小酒館（포차）
👉 為什麼： 這些才是高頻消費模型 （就像你的減重中心要抓的 daily touchpoint）
---
🛒 第三站：便利商店（一定要進）
👉 GS25 / CU / 7-11
觀察三件事：
1. 健康食品比例（蛋白飲、低糖）
2. 即食產品設計
3. 價格 vs 台灣
👉 這對你 Health BU 很有價值
（未來 product design 可以直接用）
---
🚶 Bonus：如果你想走長一點（+30 分鐘）
👉 往「住宅區裡面小巷」走
你會看到：
小型健身房
皮膚科診所
小型藥局
👉 這其實是你要複製的東西： 分散式健康服務節點
---
🧠 我幫你拉高一層（這比較重要）
你現在不是在旅遊
👉 你在做： 「韓國版 Health Ecosystem Field Study」
你可以看三件事：
他們怎麼讓人「每天進店」
哪些服務是低單價但高頻
空間怎麼讓人停留
---
🎯 最直接建議（幫你決策）
👉 如果現在時間不多：
1️⃣ 先找一間咖啡坐 30 分鐘
2️⃣ 再決定要不要回去吃那間 도토리마을
---
如果你願意
你可以再拍幾張你看到的店（咖啡/診所/藥局）
我可以幫你直接拆成：
👉 可以複製到你健康事業體的模型

其實是寫的不錯啦
問題是我要吃飯了
你怎麼了GPT、為什麼沒辦法放下工作

18/04/2026

這篇寫得很棒 胃鏡縮胃

18/04/2026

受邀來首爾國際消化道論壇 講腸胃道的AI
感謝感謝 臺灣腸胃科學會推薦我們
也很謝謝韓國學會 一進門就看到我們的照片

我還在手機看研究晚餐要吃什麼
看到我和陳建全老師照片在大廳 差點跌下臺階
個人低調來報告我們15篇SCI發表這樣

很感謝眾多師長的指導
特別感謝中正王祥辰教授指導
工研院長官信賴 經費支持
嘉基院長和院方 經費場地支持

兩天快閃韓國首爾
創下上飛機前60分鐘才到桃機的記錄

12/04/2026

早上與新竹基層的前輩的交流
下午與台大內視鏡的師長與學弟妹交流

不同的醫療機構場域
相同的照護追求

新竹的基層有很棒的生態系
彼此合作 轉介
非常了解政府的政策與方向
快速的導入肥胖照護
很開心在 麥建方院長的主持下
看到這麼棒的開業生態

下午回到與台大腸胃學弟妹的互動
感謝曾屏輝教授 我們的師長
建全 介章老師 立群 文峰學長
一邊帶學弟妹
一邊聊study

改善醫療
動手做內視鏡都是我們大家喜歡的
我們不得不再次坐下來討論
我們實際成績有沒有被驗證
病人真的有更少的疾病 不論復發或是器官傷害
病人承受了多少代價 不論是金錢或是併發症
病人真的有更好的生活品質

被驗證是必需要有的作為
很開心在兩邊
大家都有共識要更科學化
更良性的互動
也爭取讓政策走向更好的方向

下個世代的醫療一定是團隊作戰
生態更重於個人表現
我們要的不是一個跑最快的球員
我們要的是一整支籃球隊各司其職

這個週末很開心

11/04/2026

我們當醫師很重視會造成死傷的原因
(Mortality and morbidity)
這篇我覺得寫得很好
活下去真是很重要 分享給各位老公

心理學家John M.Gottman發現幸福夫妻都會有的8種相處方式，讓他們可以如膠似漆長長久久，而不是貌合神離般的同床異夢。

11/04/2026

很榮幸在本週日受邀參與兩場重要的學術演講，分別代表我目前致力推動的兩大核心方向：

🔹 健康事業體（Health Business Unit）
於 Wegovy Symposium 分享體重管理的新里程碑，從 MASH 的實證治療 到肥胖的全方位照護，展現整合式代謝健康管理的未來。

🔹 超微創中心（SMII, Super-Minimally-Invasive Intervention）
於 NTUH Hemostasis and Wound Closure Workshop 探討內視鏡止血與傷口閉合的最新技術，體現精準、安全且低侵襲的治療趨勢。分享我們使用 OverStitch, X-tach 於胃鏡縮胃 傷口關閉的實證發表與經驗

這兩場演講象徵著醫療從「健康管理與代謝性疾病治療」到「精準微創治療」的完整整合，亦是未來醫療體系的重要發展方向。

11/04/2026

【醫療 AI 的挑戰，90% 不在演算法，而在「基礎設施」】
最近《Lancet Primary Care》3 月號推出了醫療 AI 專刊。其中兩篇核心文獻，我認為是所有 AI 開發者與臨床醫師都應該閱讀的「臨床落地指南」。

這兩篇文章共同揭示了一個關鍵事實：我們並不缺少高準確度的演算法，真正稀缺的是能讓 AI 被問責、被監測、並在臨床環境中被驗證的基礎設施。

📄 文獻一：如何治理模糊的 AI？
(Allen et al., 2026)
這篇文章的重要貢獻，在於將「AI」這個廣泛且模糊的概念，拆解為可被治理與監管的單位。作者並提出 TRUST 框架，作為 AI 安全整合至臨床環境的核心原則：
1️⃣ Tailoring（適配性）
工具的效能不應僅依賴實驗室 benchmark，而必須在真實臨床情境中進行驗證，確保其外部效度與實際可行性。
2️⃣ Responsibility（問責性）
AI 的法律責任與決策邊界需清楚界定，並建立人工覆核與稽查軌跡，作為保障病人安全的最後防線。
3️⃣ Universality（普適性）
在設計階段即納入多元族群，並持續監測不同子群體的表現，以避免演算法歧視並促進醫療公平。
4️⃣ Sustainability（永續性）
AI 系統需具備長期運作的能力，並持續監測模型漂移（Model Drift），以防止模型隨時間或族群變化而逐漸退化。
5️⃣ Transparency（透明度）
模型的訓練資料來源、性能特徵與預期使用範圍應被清楚揭露，以提升信任度與可審查性。
⚠️ 關鍵空白
作者同時指出，現有的 WHO 數位健康干預框架仍存在重要缺口，特別是缺乏「解讀數位捕獲數據」（如影像 AI、ECG 與內視鏡 AI）的明確分類。這一空白正是未來醫療 AI 治理亟需補足的關鍵領域。

📄 文獻二：創新正處於十字路口
(Laranjo et al., 2026)
這篇系統性文獻綜述，全面評估了 AI 在初級醫療各應用場景中的實際證據，並揭示了醫療 AI 發展的現實挑戰：
1️⃣ 證據力不足
超過一半的 AI 工具仍停留在概念或開發階段，而真正具備臨床隨機對照試驗（RCT）驗證的比例不到 10%，顯示臨床驗證基礎設施的嚴重不足。
2️⃣ AI 書記的隱憂
雖然 AI 書記能降低醫師的文件處理負擔並提升工作滿意度，但若系統性地省略病人的社交對話與偏好，長期可能導致縱向病歷品質的逐漸退化。
3️⃣ 偏差修正與對齊標準
一項值得關注的研究顯示，若以「病人自述的膝關節疼痛」而非「醫師的影像判讀」作為模型訓練標準，能使弱勢族群獲得關節置換治療的機會增加一倍。這凸顯了以病人結果為對齊標準在修正醫療偏差中的重要性。
4️⃣ 頻譜效應（Spectrum Effect）
以三級醫療資料訓練的 AI 模型，在初級醫療場域中可能出現系統性失效，原因在於疾病盛行率與病程階段的差異，提醒我們模型的可遷移性不容忽視。

💡 我的觀點：驗證平台才是核心競爭力
綜合兩篇文獻，可以得出一致的結論：
醫療 AI 的勝負手，不在於「誰的模型更準確」，而在於誰能建立一套讓 AI 安全進入臨床的驗證與治理體系。
我們在 SMII（Super-Minimally-Invasive Intervention） 超微創中心所建立的「四階段內視鏡 AI 診斷平台」，其核心目標正是：
1️⃣ 填補影像解讀 AI 的監管空白，使內視鏡 AI 能被納入標準化治理框架。
2️⃣ 提供稀缺的臨床驗證基礎設施，讓 AI 工具在進入臨床前，必須通過嚴謹的驗證關卡。

當《Lancet》仍在呼籲建立這樣的體系時，我們也在努力達到這個願景，並為醫療 AI 的臨床落地奠定基礎。
📎 文章來源
Allen et al., Lancet Primary Care 2026; 2:100079
Laranjo et al., Lancet Primary Care 2026; 2:100078

07/04/2026

內視鏡同好 WEO 調查職業傷害
共同參與 :)

Musculoskeletal disorders (endoscopy-related injuries) occur even among fellowship-trained endoscopists (Endosc Int Open, 2019).

06/04/2026

看父親的今天，天空是陰的。
沒有烈日，也沒有雨。
剛剛好，適合去看他。

人終究活在時間與空間的框架裡，
不得不去面對一個問題——
為什麼活著？
有人相信使命，
有人用理性拆解世界，
有人只是單純地去體驗。

但不管怎麼走，
我們終究會抓住一個價值，
當作浮標，
告訴自己——繼續活下去。

隨著年紀增長，
我開始放下對單一價值的執著。
不再相信績效導向的醫療，
不再只追求被喜歡的管理，
也不再把對抗體制當成唯一的正義。

名利、位置、影響力——
都變得沒有那麼絕對。
人生有很多選擇，
每個人最後都只是選擇
「自己願意相信的那一個」。

父親以前跟我說過幾句話，
我現在越來越懂。
。活下去，活久了——
不是看懂了，就是等到機會。
。不要因為覺得自己特別，就去做生意。
市場沒那麼簡單。
。戰術與策略可以準備，
但勝負永遠無法保證。
。人生如果能幫幾個人，
有幾個真正的朋友，
其實就夠了。

我們終究都會走到終點。
只是早一點、晚一點。
不用羨慕誰，也不用厭惡誰。
真正有空間的，從來不是終點，
而是——你怎麼走過去。
今天這樣的陰天，剛剛好。

讓我想起父親的智慧，
也讓我重新思考——
我想寫下一個怎樣的人生故事。

05/04/2026

感謝高雄醫誌邀稿 大型減重中心設計
這期整本在講肥胖

05/04/2026

📌【AI 正在重塑腸胃科：真正的變革，不在演算法，而在系統】
近期 The American Journal of Gastroenterology 發表一篇重要編輯評論，探討 AI 在臨床腸胃科的「承諾、速度與實證」。
(其實整本都在講AI，這本也是腸胃科的高分期刊)

這篇文章釋放出一個非常明確的訊號：
👉 AI 已從「概念證明（proof-of-concept）」進入「臨床現實（clinical reality）」

但更關鍵的是——
👉 真正的變革，不在AI本身，而在醫療系統的重構

🧠 一、AI的門檻正在快速「平民化」

過去，AI屬於少數工程師與研究團隊的領域；
如今透過 low-code 工具與低成本算力，連臨床醫師都能自行開發應用。
👉 AI不再是少數人的競爭優勢，而是所有醫師都能使用的「基本工具」

🔍 二、AI正在快速擴散，但仍停留在「單點工具」
目前腸胃科的AI應用已經非常廣泛：
影像辨識：息肉偵測（CADe）、內視鏡品質評估
決策輔助：預測臨床結果、追蹤間隔建議
行政減負：病歷摘要、患者教育
自動化流程：AI結合機器人內視鏡已進入早期臨床
👉 但這些仍然是「碎片化工具」
尚未形成完整的臨床系統

⚖️ 三、AI不是越多越好：臨床價值仍存在落差
目前證據顯示：
有研究顯示 AI 可提升偵測率
也有研究顯示「無顯著差異」
甚至出現「alert fatigue」，降低醫師整體表現
👉 關鍵問題不是「AI準不準」
👉 而是：AI如何嵌入臨床流程

🚀 四、AI真正的價值：效率與標準化

目前最確定的優勢在於：
高負荷任務：膠囊內視鏡判讀從數小時縮短至數分鐘
標準化決策：LLM可完成病歷整理與追蹤建議
知識能力：AI已能通過專科考試
👉 AI最適合的角色不是取代醫師
👉 而是：放大效率與降低變異

⚠️ 五、不可忽視的風險與轉型成本
AI的導入同時帶來挑戰：
醫師技能退化（deskilling）
醫療責任與法律界線不清
病人對隱私與信任的疑慮
醫療成本與制度重新分配

👉 AI不只是技術導入
👉 是一場制度與文化轉型

🧭 核心結論：未來的差異，在「系統能力」
這篇文章最重要的啟示是：
👉
AI的價值，不在於單一診斷工具
而在於是否能重塑整個醫療流程

當醫學知識變得普及、AI能力趨於平均時，
醫師真正的價值將來自三件事：

1️⃣ 整合力
把零散AI工具整合進完整照護路徑
2️⃣ 判斷力
在數據與人性之間做出最終決策
3️⃣ 系統設計能力
打造「人機協作」的臨床流程

👉
AI不會取代醫師
但沒有系統思維的醫師，會被淘汰

📚 資料來源：
Stidham RW. Artificial Intelligence in Clinical Gastroenterology: Promise, Pace, and Proof. Am J Gastroenterol 2026;121:811–812.