精準醫學科

數據整合與生物資訊分析

Data Integration and Bioinformatics Analysis

依 GA4GH 等國際臨床指引整理,分別為醫師、藥師、醫檢師規劃學習重點。

重點摘要

數據整合與生物資訊分析(Data Integration and Bioinformatics Analysis)是精準醫學科的學習主題,依據《GA4GH: International policies and standards for data sharing across genomic research and healthcare》(GA4GH,2021)等 2 份臨床指引整理。

  • 醫師著重臨床分子決策與轉譯、多體學整合分析
  • 藥師著重臨床藥物基因體決策、數位醫療決策支援
  • 醫檢師著重臨床檢測決策支援、數據整合與分析應用

內容更新:

學習重點

同一個主題,醫師、藥師、醫檢師要掌握的地方不一樣。選擇你的職類:

醫師的學習重點

分子導向治療決策:驅動基因與可用藥標的判定、標靶治療選擇與 tumor-agnostic 適應症、ctDNA 監測與抗藥突變偵測的臨床應用、生物標記選藥與伴隨式診斷的臨床意義、PD-L1/TMB/MSI 判讀與免疫治療決策、NGS 報告的可行性分級與臨床轉譯、分子腫瘤委員會的個案討論與建議、體細胞結果中的胚系疑慮轉介、多基因風險評分的臨床限度、精準預防與早期偵測策略

臨床分子決策與轉譯

建立以基因體學為基礎,應用於腫瘤精準診斷與藥物治療決策的核心臨床知識架構。

  • 分子腫瘤治療學針對臨床驅動基因與標靶藥物選擇,執行符合國際指引的精準治療策略。
    • 分子腫瘤委員會諮詢
    • 標靶治療適應症判定
    • 胚系轉介與風險評分
  • 臨床分子監測透過循環腫瘤DNA及多基因標記監控,達成抗藥突變偵測與治療反應評估。
    • 免疫治療生物標記判讀

多體學整合分析

運用人工智慧與計算方法整合多維度臨床數據,以優化預後分層與生物標記識別。

  • 多體學數據建模整合基因組、轉錄組及蛋白質組數據,進行系統性的疾病生物標記與路徑分析。
    • 臨床數據整合策略
  • 解釋性人工智慧應用應用AI可解釋模型以轉譯複雜數據,為臨床醫師提供透明且具決策價值的見解。
    • AI模型臨床驗證
    • 可解釋AI特徵歸因

醫師常見的臨床問題

  • 若NGS報告顯示檢出BRCA1/2體細胞突變(Somatic mutation),在臨床決策上我們該如何評估其為胚系突變(Germline)的可能性,並決定何時需要進行遺傳諮詢轉介?
  • 面對免疫治療決策,若病人的TMB與MSI狀態呈現不一致(例如TMB-H但MSI-Stable),我們在判讀PD-L1表現量時應如何權衡這些生物標記以預測ICIs的療效?
  • 在追蹤晚期肺腺癌病人的ctDNA抗藥突變時,如果偵測到低頻率的EGFR T790M突變但影像學尚未顯示進展,目前臨床上建議立即更換標靶藥物還是維持原治療策略?

登入後可以在「教材問答」直接問,回答依指引整理,並附出處與英文原文節錄。

以醫師開始學習

藥師的學習重點

精準用藥實務:藥物基因體檢測結果與劑量調整(DPYD/UGT1A1/TPMT 等)、CPIC 指引的臨床實施與處方系統整合、標靶藥物的交互作用與劑量最適化、先行性 preemptive 基因檢測的導入、免疫治療相關用藥與不良反應監測、生物標記陽性用藥的給付與適應症核對、抗藥後換藥決策的藥物選擇、用藥基因資訊的病人衛教、藥物基因資訊在電子病歷的呈現與警示

臨床藥物基因體決策

將基因變異數據轉化為臨床藥物選擇與劑量調整的專業領域。

  • 藥物基因體臨床實務運用CPIC指引進行變異基因與藥物代謝/療效的關聯分析。
    • 基因變異臨床詮釋
    • 藥物基因警示系統
  • 腫瘤標靶精準治療針對癌症病患的分子特徵進行標靶藥物選擇與抗藥性監測。
    • 分子致病基因座解析

數位醫療決策支援

應用電子病歷數據與生物資訊工具進行精準用藥的數據整合與決策支援。

  • 臨床數據整合分析整合基因組學、電子病歷數據以優化臨床預後分層與用藥決策。
    • 多體學數據整合
    • 臨床決策視覺化
  • 人工智慧輔助決策利用AI模型解析複雜生物數據並提供臨床透明度與可解釋性支持。
    • 可解釋AI應用

藥師常見的臨床問題

  • 在處方系統整合時,我們該如何針對 UGT1A1*28 與 Irinotecan 的劑量調整建立自動化警示,並確保其符合最新的 CPIC 臨床指引建議?
  • 面對 EGFR 標靶藥物治療後的抗藥性突變,如何透過整合多體學數據與臨床檢驗結果,系統性地輔助醫師進行下一線治療方案的精準換藥決策?
  • 在進行 preemptive 基因檢測的導入過程中,我們應如何設計電子病歷的視覺化介面,讓臨床藥師能直觀地判讀變異結果並進行有效的用藥衛教?

登入後可以在「教材問答」直接問,回答依指引整理,並附出處與英文原文節錄。

以藥師開始學習

醫檢師的學習重點

檢測選擇與報告轉譯:依臨床問題建議合適檢測(組織 panel vs 液態切片)、ctDNA 檢測時機與血漿處理、生物標記檢測平台與伴隨式診斷試劑的對應、PD-L1/TMB/MSI 檢測方法差異與可比性、NGS panel 覆蓋範圍與可行性註記、體細胞與胚系變異的實驗室區辨提示、生物資訊流程與資料庫註釋、多體學資料整合與品質指標、檢測報告的臨床可讀性設計

臨床檢測決策支援

提供以基因體學為基礎的臨床檢測建議,協助醫師進行精準醫療下的用藥決策與治療方案選擇。

  • 檢測技術與平台選擇掌握各類生物標記平台差異,針對不同臨床問題建議適合的檢測方法。
    • 生物標記檢測優化
    • 液態切片採樣決策
  • 分子病理與報告解讀建立對分子變異的臨床詮釋能力,區分體細胞與胚系變異並設計報告呈現邏輯。
    • 臨床變異判讀流程
    • 報告臨床可讀性設計

數據整合與分析應用

運用生物資訊學工具與數據分析方法,整合多維度臨床數據以轉譯為具臨床價值的診斷與預後資訊。

  • 生物資訊處理管線定義臨床品質指標,確保生物資訊流程的正確性與臨床數據的解釋效力。
    • 數據品質指標定義
  • 多體學整合分析整合多組學數據以捕捉生物分子交互作用,提升複雜疾病分類與存活分析的準確度。
    • 資料融合建模
    • 可解釋性人工智慧(XAI)

醫檢師常見的臨床問題

  • 在臨床判讀時,如何依據腫瘤組織採樣的侷限性來決定是否改用 ctDNA 液態切片,並應注意哪些血漿前處理細節以維持數據品質?
  • 面對不同 NGS Panel 檢測平台,我們該如何評估其對 TMB 與 MSI 判讀標準的一致性,以及在報告中該如何註記變異的可信度與臨床意義?
  • 當 NGS 報告中檢出具臨床意義的體細胞變異時,醫檢師應配合哪些生物資訊分析篩選條件,來排除潛在的胚系變異干擾?

登入後可以在「教材問答」直接問,回答依指引整理,並附出處與英文原文節錄。

以醫檢師開始學習

示範題

醫師、藥師、醫檢師各一題,跟著上面選的職類切換。登入後的練習會依你的作答表現挑題。

醫師的示範題

在使用圖神經網路(GNN)分析腫瘤數據以尋找治療標靶時,下列敘述何者最符合計算生物學的邏輯?

  1. AGNN 可針對體細胞突變影響的蛋白質交互作用網路進行建模,協助識別罕見癌症的可藥物標靶。
  2. BGNN 模型的主要應用瓶頸在於其無法捕捉數據的拓撲結構,僅能分析單一基因的表現數值。
  3. CGNN 在執行分析前,會自動排除所有已知的生物學背景知識,以確保模型的統計獨立性。
  4. DGNN 主要用於處理線性關係,將患者基因變異與存活數據進行簡單線性回歸建模。

看答案與解析

答案:A GNN 可針對體細胞突變影響的蛋白質交互作用網路進行建模,協助識別罕見癌症的可藥物標靶。

為什麼
GNN 藉由建模複雜的 PPI 交互作用網絡,能納入生物通路知識,找出在該網絡中具有關鍵調控功能的節點,進而轉化為可藥物治療的標靶。

核心概念:圖神經網路於腫瘤藥物發現
GNN 能處理具備拓撲結構的生物數據,特別適用於解析受體細胞突變調控的蛋白質網路。

各選項

  • A 正確,GNN 能針對交互作用網路建模,篩選出罕見癌症中的可藥物標靶節點。
  • B 錯誤,GNN 的核心強項即是能有效捕捉並利用數據的拓撲結構。
  • C 錯誤,GNN 的優勢正是能納入既有的生物學知識與交互作用網絡。
  • D 錯誤,GNN 旨在處理複雜的非線性與拓撲關係,非線性回歸。

登入練習這個主題的 78 題

藥師的示範題

當臨床醫師面臨腫瘤標靶治療決策時,整合 Somatic 及 Germline 變異數據的臨床意義為何?

  1. A整合兩者數據可更精確區分癌症驅動因子與個體對藥物毒性的代謝敏感度,釐清癌症成因與治療風險。
  2. B由於臨床時限緊迫,僅需分析 Somatic 變異以進行標靶藥物選擇,Germline 數據可忽略不計。
  3. CSomatic 變異僅用於臨床預後分析,而 Germline 變異則決定所有標靶藥物的反應機率。
  4. DSomatic 和 Germline 的變異資訊在診斷後應立即共享至公眾社交平台,以利生物資訊研究進展。

看答案與解析

答案:A 整合兩者數據可更精確區分癌症驅動因子與個體對藥物毒性的代謝敏感度,釐清癌症成因與治療風險。

為什麼
整合兩類數據能區分癌症的分子驅動機轉與患者對藥物的個體化代謝能力。這種方法不僅能優化標靶藥物選擇,還能預防嚴重的藥物毒性。

核心概念:Somatic 與 Germline 整合
癌症治療決策需要區分體細胞(Somatic)驅動變異(影響療效)與生殖細胞(Germline)變異(影響藥物代謝與毒性),以達到精準用藥。

各選項

  • A 正確,這是分子腫瘤學與臨床藥學整合治療的核心。
  • B 雖時限緊迫,但忽視 Germline 變異可能導致致命毒性,無法達成優化治療的目的。
  • C 角色顛倒,Somatic 變異通常是標靶藥物選擇的決定因子,Germline 則常與藥物動能(代謝/毒性)相關。
  • D 基因資料涉及病人隱私,需符合醫學倫理與規範,不可隨意在公眾平台公開。

登入練習這個主題的 84 題

醫檢師的示範題

在評估一項用於癌症診斷的新型分子檢測臨床試驗計畫時,依據指引,下列哪一項為臨床轉譯可行性的關鍵先決條件?

  1. A僅需提供實驗室自行開發測試(LDT)的技術參數,無須經過多中心外部驗證即具備臨床應用價值。
  2. B臨床評估人員應在採樣過程中完全知悉樣品臨床資訊,以提升對於罕見變異的判讀準確度。
  3. C檢測項目需具備臨床試驗計畫書中預先註冊的分析計畫與預定義的臨床試驗終點。
  4. D報告設計應聚焦於數據的複雜度,以呈現該技術在生物資訊處理管線上的先進性與深度。

看答案與解析

答案:C 檢測項目需具備臨床試驗計畫書中預先註冊的分析計畫與預定義的臨床試驗終點。

為什麼
前瞻性研究需事前註冊分析計畫與設定終點,以確保研究結果的統計檢定力與可重現性。這是排除臨床試驗中選擇性偏差的基本要件。

核心概念:臨床試驗嚴謹性原則
臨床診斷技術的轉譯需遵循預先設定的計畫、嚴謹的統計檢定與外部驗證,確保在不同環境的一致性。

各選項

  • A 外部驗證是確保臨床轉譯一致性的核心要求,僅憑內部驗證不足以推廣至臨床常規。
  • B 臨床評估應採盲法設計,避免評估人員主觀偏差影響檢測結果的客觀性。
  • C 此選項符合指引對於前瞻性研究報告項目與統計架構的嚴格規定。
  • D 報告應著重於數據組合後所湧現的模式與臨床易用性,非生物資訊複雜度,以利醫師決策。

登入練習這個主題的 77 題

依據的臨床指引

  1. AI-driven multi-omics integration in precision oncology: bridging the data deluge to clinical decisions|Clinical and Experimental Medicine|2025
    Hsu CY, Askar S, Alshkarchy SS, et al. · DOI · CC BY-NC-ND 4.0
  2. GA4GH: International policies and standards for data sharing across genomic research and healthcare|GA4GH|2021
    Rehm HL, Page AJH, Smith L, et al. · DOI · CC BY-NC-ND 4.0

著作權屬各原權利人。 看精準醫學科全部依據指引 ›

相關主題

關聯較多的主題

精準醫學科的全部主題 › 精準醫學科名詞中英對照 › 看全部科別 ›

使用 Google 帳號登入,第一次登入時選擇科別即可開始;已經在用?直接登入