流行病學/生物統計/生物資訊教育訓練數位課程

流行病學/生物統計/生物資訊數位課程

主辦單位: 國家衛生研究院
指導單位: 衛生福利部科技組
補助款項來源為「菸品健康福利捐」支應
補(捐)助計畫:: 主要計畫:
衛生福利部「推動癌症轉譯研究跨機構合作平台及臨床研究資訊共享」計畫(111年度)
(計畫編號：MOHW111-TDU-B-221-114014)

衛生福利部「第3期癌症研究跨機構合作平台及其整合應用」計畫(109至110年度)
(計畫編號: MOHW109-TDU-B-212-134026、MOHW110-TDU-B-212-144026); 其他計畫:
科技部生技醫藥生物資訊核心設施

課程時間及報名方式

本年度課程規劃方向以流行病學、生物統計、生物資訊等領域為主，採「數位課程」方式進行，

各課程簡介請至「癌症研究資訊共享網站」教育訓練分頁查詢，

課程開放時間 109年6月8日起

課程內容:

單元	課程主題	課程講師	課程簡介
1	後大數據時代癌症流行病學研究的走向	臺北醫學大學公共衛生學系邱弘毅特聘教授(CV)	邱弘毅教授專長為癌症及心血管疾病流行病學，此次課程將分享癌症流行病學研究方法的演進，從傳統流行病學方法到到分子流行病學的興起，再到目前以大數據結合生物資料庫實證研究的氛圍，加上政府對政策轉譯的期待下，癌症流行病學研究的走向。
2	Cancer study: Study Design/Analysis; Big data uses	臺北醫學大學公共衛生學系葉志清教授(CV)	葉志清教授專業研究領域為癌症相關研究，主要以口腔癌和大腸癌為主，探討基因或環境因子對於癌症的發生和預後的關係，並進行大數據資料分析，資料來源為全民健康保險資料、北醫一校三院臨床資料庫、中央研究院臺灣人體生物資料庫等。
3	大數據與人工智慧時代的醫學與法律	國立陽明大學生物醫學資訊研究所吳俊穎所長(CV)	吳俊穎教授專門於健康大數據、消化系癌症轉譯研究、腸道微生態、實證法學等研究領域。近年來，透過大數據研究以及人工智慧技術的協助，讓醫療專業人員更有機會在疾病尚未發生之前，精準地預測並防止其發生。然而，在醫療與資訊科技突飛猛進之同時，醫療法律對個別病人與群體層級的健康資料之應用的管制與規範所面臨的挑戰，正是本課程欲帶領學員深入探討的議題。
4	癌症臨床預測模型簡介	國家衛生研究院癌症研究所張憶壽名譽研究員(CV)	預測一個健康人在未來一段時間裡，一個癌症的發生機率是臨床上的基本問題。它不只是個人健康管理上的，也是公共衛生上的重要指標與決策依據。建立與評估這樣的統計模型是癌症流行病學裡的基本工作。這個課程將以具體例子說明這類工作的幾個重要面向。這類工作是精準醫療的基石，也是大數據時代的特有機會。
5	真實世界數據分析的挑戰 – 干擾因素的處理	國家衛生研究院癌症研究所楊奕馨研究員(CV)	楊奕馨教授專長於真實世界數據分析, 特別是在癌症防治相關研究領域。臨床病歷資料、政府疾病登記資料及全民健康保險給付等資料庫, 是目前真實世界數據(RWD, real-world data)分析的主要資源, RWD紀錄是常規性收集病人、醫師及健康照護體系之間複雜互動的歷程, 因此資料分析的結果是否足夠當成臨床療效的證據, 取決於偏差及干擾因素的處置, 本課程先以干擾因素的處理為主軸, 探討用來處理干擾因素的常用策略。
6	生物統計、流行病學、研究設計基本概念及實際研究案例分析(分享)	三軍總醫院醫學研究室簡戊鑑副教授(CV)	一個優質研究(論文)，除了原始創意發想(研究目的)外，運用適切的流行病學概念，搭配良好研究設計方式，並預先考慮後續資料收集程序，以及採用正確的統計分析方法，才能更增添研究(論文)品質。本次課程將簡略介紹研究設計類型及內涵，研究的信效度及各種可能的干擾因子；另外，流行病學基本概念將介紹敏感度、精確度、假陽性、假陰性、陽性預測值及陰性預測值等概念，以及這些概念的運用；生物統計基本概念將介紹樣本母群及抽樣概念、統計檢定、基本統計方法；最後，以實際的研究案例說明，橫斷性研究及追蹤性研究的設計概念，可能的干擾因子，以及避免(排除)干擾因子的方式。
7	骨架表之應用以及效果修飾與中介作用之區辨	高雄醫學大學健康科學院/公共衛生學系(CV) 李建宏教授	李建宏教授善長於流行病學數據之分析與解釋，並在上氣消化道癌症流行病學以及青少年血管代謝健康之研究上具有實務地應用。此課程將介紹如何使用研究架表應用於數據分析之思考，並探討如何區辨流行病學資料之效果修飾與中介作用。此講授將使用研究數據說明與解釋上述之課程重點。
8	生物統計與流行病學創意聯想輕鬆學	中山醫學大學公共衛生學系(CV) 廖勇柏教授	生物統計與流行病學是進行研究時非常重要的兩門學科，有很多人雖學過生物統計，卻很難理解傳統生物統計教材中之內容，導致最重要且常用的生物統計觀念模糊；流行病學雖非所有學門的必修課程，但卻是研究方法學中重要的一環。因此，本課程利用50分鐘用非典型講授方式，來介紹最基本常用的生物統計與流行病學觀念。
9	單細胞RNA定序數據分析簡介	國家衛生研究院癌症研究所(CV) 江士昇副研究員	高通量數據(high-throughput data)分析一直以來是生物資訊學著重之議題。其中，單細胞RNA定序（single-cell RNA sequencing）技術以及所衍生之高通量數據分析之發展已趨於成熟，已經在腫瘤學、免疫學、以及發育生物學的各研究領域逐漸被大量應用。此次課程將簡介此技術之基本原理與資料產生流程，以及基礎資料分析概念，適合對單細胞技術應用與其資料分析有興趣者進入學習。
10	Some considerations in risk prediction models development - the breast cancer example	國家衛生研究院癌症研究所張憶壽名譽研究員(CV)	Risk prediction models are at the heart of precision medicine Many risk prediction models for breast cancer have been proposed They may be developed using different risk factors and different training sets, may have different performance in different validation studies, and may be useful for different purposes I will use three important breast cancer models, BCRAT, BOADICEA, and IBIS, to illustrate the above aspects and discuss the statistical methods in the model development
11	分子基因流行病學-以中風為例	臺北醫學大學神經醫學博士學位學程謝宜蓁教授(CV)	謝宜蓁教授專業研究領域主要為神經退化性疾病和癌症，以分子基因流行病學為基礎，利用所收集之大規模世代追蹤資料庫來探究基因或環境因子對於疾病的風險及其預後的關係。本課程將以中風為例，介紹過去由雙胞胎研究隨著科技進步演變至今的全基因關聯性研究來探討基因所扮演的角色。
12	Development of Biomarker for Cancer Screening and Risk Assessment: Study Design and Evaluation	國立臺灣大學流行病學與預防醫學研究所于明暉教授(CV)	要達到降低癌症罹病率與死亡率的目標，透過風險評估結合有效的介入與偵測早期癌症為重要的預防策略，而生物標記在兩者的發展上均為重要的元素，尤其當前精準醫療的發展愈來愈傾向預測醫學，新生物標記的發展成為積極、活躍的研究領域。本課程介紹生物標記發展的研究設計、應用時機與評估的概念，課程分成三部份，第一部份介紹基礎研究設計，第二部份介紹縱式研究及應用實例，第三部份介紹早期癌症偵測標記發展的不同階段與研究設計，以及風險評估的概念。
13	如何系統性的建立廣泛的深度學習關聯模型以進行伺機性疾病篩檢	國防醫學院醫學系林嶔副教授(CV)	智慧醫療是目前研究及產業的重點發展方向，目標是開發準確的電腦輔助診斷系統，希望能夠輔助醫師進行決策。深度學習技術讓我們能在擁有大量標註資料的前提下做出準確的模型，但醫療資料及標註取得成本相當昂貴，從而導致相關研究進展緩慢。本課程將分享一個醫療院所該如何透過醫療資訊系統的改造，將人工智慧研究的觀念引入臨床流程，建構了一個包含多樣資料種類的資料庫，讓電腦輔助診斷系統的開發能夠大規模的進行推展，並以三軍總醫院為例分享幾個系統性開發醫療AI的相關經驗，如以心電圖人工智慧判讀左心室功能異常，或是利用胸部X光檢測骨質疏鬆，以及利用腹部X光影像預測大腸癌的發生等。這些篩檢項目都是傳統上醫師或專家無法做到的，透過人工智慧模型，病患將有機會在平常看病時，透過人工智慧進行伺機性疾病篩檢，從而早期發現自己潛在的疾病並盡快治療得到更好的預後。
14	篩檢工具在癌症研究與臨床上的使用	中山醫學大學公共衛生學系楊浩然教授(CV)	癌症篩檢工具的發展方興未艾，愈來愈多篩檢工具的出現，提供研究人員與臨床醫師更加多元的選擇。然而在篩檢工具的使用上，如何運用流行病學的觀念及技術，正確地解讀相關的計量屬性，並進一步透過不同屬性工具的功能，選擇適用於研究或是臨床的工具，是研究上與臨床中十分重要的課題。本課程從基本的效度觀念出發，說明如何在不同考量下選擇合適的工具，並介紹延伸的觀念與運用，探討不同類型的效度指標在研究中與臨床上的意義。
15	貝氏分析於癌症流行病學應用	臺北醫學大學口腔醫學院陳立昇副院長(CV)	貝氏分析在癌症流行病學中有多種應用，可以幫助研究者更好地理解和預測癌症、評估風險、介入措施評估及決策。課程包含以貝氏觀點評估檢測工具效能、建立貝氏預測模型用於評估個人或族群癌症風險、最後運用貝氏分析及考量疾病進程、介入成本及效益協助決策分析。
16	Actual prognosis of older adults with the most common cancers in Taiwan	國家衛生研究院癌症研究所張憶壽名譽研究員(CV)	Because the number of patients with cancers increases and also because populations are aging in many parts of the world, including Taiwan, comorbidity among patients with cancers becomes an important health problem worldwide. While it is an important problem, the purposes of the lecture are to exemplify the standard procedures in building a risk score or risk model and to exemplify the use of actual prognosis in patients with cancer. These are important topics in data sciences. All the details are in our paper 1. Actual prognosis for a patient diagnosed with cancer is the probability that a patient will die of the cancer and the probability that he will die of other disease in a given time period. Actual prognosis involves competing risk models in statistics theory. In this lecture, I’ll first give an overview of the studies of comorbidity among older patients with cancer in the west, where the NCI comorbidity index was used to summarize the comorbidities of cancer patients into 3 levels and the actual prognoses of cancer patients were reported. Their major findings suggest that although stage is the major prognosis factor, for patients with early-stage diseases, comorbidity and age are important. With this background, I will discuss the major steps in developing the Taiwan cancer comorbidity index (TCCI) and use it to study the actual prognosis of patients with cancer in Taiwan.

注意事項

本數位課程為免費課程。
報名上課者請詳實填寫報名資訊(姓名及E-mail)，俾利寄送上課證明電子檔。
上課證明取得資格，每堂課程觀看度須達90%(以每堂課程總時間估算)以上及填寫滿意度問卷，證書將於每月5日固定核發；如有任何問題或建議亦歡迎於問卷提問。
若無法一次完成所選擇學習課程，可依前次報名資訊再次登入完成課程。

洽詢方式

國家衛生研究院癌症研究計畫辦公室洪小姐/黃小姐/
電話：(037) 206166 轉 35131/35132
傳真：(037) 586463
E-mail：abbyhuang@nhri.edu.tw / Hsincih@nhri.edu.tw