看山是山


看山是山

在原本安靜的高鐵商務車廂內
一位年輕、穿著時髦的女性
用一種全車廂都聽得見的音量
在講電話
似乎沒有察覺到身旁的人
都用異樣的眼光在看她
我身邊原本睡著的阿伯醒來了
我跟她隔了一個位子
我克制了去制止她的衝動
後來,高鐵服務員發現她了
直接走到她身邊請她小聲一點
她果然就把音量放小
然後改用打字的
她應該是覺得很不好意思吧?
她放下手機之後
我看見她脹紅的耳朵
#上面掛著助聽器!!!

這時候,換我的耳朵脹紅了
我竟然沒有想到是這樣
還好我克制了自己的衝動
但是也為自己剛剛產生的厭惡
感到羞愧~
是啊!我們經常很快的
被眼前的事物帶起我們的情緒
或許忽略了別人行為背後
的無可奈何~

我想起前天在第四台看的印度電影 《我的嗝嗝老師》裡,
那一位患有妥瑞氏症的老師,她的遭遇~

或許,我們的社會需要多一點包容、多一點體諒~
或許,下一次在我們生氣、指責別人之前,
可以先想想、先觀察看看,別人是不是有難隱之處?

你可以看到這裡就結束,不要再往下看~
=== 結束線~



Part2
=====
我再次看向她時,已經幾乎看不到助聽器了!
啊!原來是我眼花了!
她根本沒有戴助聽器!
我剛剛是覺得有點怪怪的
因為她的發音非常標準
此時的我,心情非常的複雜!
你是不是也跟我一樣呢?
但是,我並不為我自己剛剛的反省感到後悔!
我要感謝我的眼花,它讓我做了一次很好的學習!
不過,我想,
我還是應該去配一副老花眼鏡!^_^
你有沒有後悔往下看?^_^
後記:不是無線耳機啦!我雖然LKK,還是知道有無線耳機這種東西的。^_^ 是她的外耳軟骨比較明顯~


你看完Part2覺得,心情很複雜嗎?
經過一個晚上的醱酵這則臉書的貼文,已經有超過7000個讚了
有些朋友覺得
看了兩段,心情起伏很大
也紛紛提供自身經驗
因此,我再仔細的回想,補充Part 3
你可以選擇停在Part 2就好,不要再往下看....
不過,如果你膽子夠大,也做好心裡準備了,那就再往下看看吧!



Part 3(2019.01.07)
====
文章貼出後,許多網友提供資訊
希望能夠為我的老花眼解套!
「老花眼的話,這個距離的東西,不會看不清楚啦!」
「陳醫師,您看到助聽器應該沒有眼花,因為即使重度聽損,還是可以發音很標準的說話喔!」
「助聽器不用的時候,是會拿下來休息,尤其想安靜的時侯。」「阿金醫師可能不好意思一直看對方,所以,她可能有戴助聽器,講完電話以後,又拿下助聽器」
我仔細想一想,她應該是有戴助聽器!
因為高鐵服務員請她小聲講話時,她脹紅的耳朵,外圍掛著的是膚色的東西,明顯和脹紅的耳朵顏色不一樣!
而且當下,我一直在想著要去跟高鐵服務員講說,她有戴助聽器!視線都在看這服務生(不是看她的小腿啦,拜託不要跟太座說)
所以沒有再留意她的耳朵!
等我再次看她的耳朵,發現助聽器不見的時候,其實,我有注意到,她耳上的頭髮,有稍微整理過!
她可能把助聽器拆下來,再撥了撥頭髮~
綜合以上,我是相信她是有戴助聽器的!
#所以我可以先不用去配老花眼睛了^_^ 
呼~好險!(ß你早晚還是要戴的啦!)
#我不應該懷疑我自己的視力的我在此向它致歉~

我知道你們一定想說,會不會別人根本看不見她?
想太多!我並沒有特異體質好嗎!^_^

看面相診斷心律不整


看面相診斷心律不整
 
圖片來源:JAMA Cardiology, 參考文獻附於文末
你能想像嗎?
當你坐在診間等候看診,可能只是要看個痔瘡(最近很流行的),但是,進入診間後,醫生馬上說要幫你做個心電圖,然後告訴你說「你有心房顫動(Atrial fibrillation 心律不整的一種),需要治療」?
你心想,你只不過想看個痔瘡,竟然就送你心房顫動?這什麼麼回事?這個就叫做「機會篩檢」(opportunistic screening) -- 趁你在等候的時候,人工智慧就依你的「面相」,幫你完成了心律不整的篩檢!

這是怎麼辦到的?
這是使用目前最熱門的「人工智慧」的「深度學習」完成的。
這是澳洲與香港合作的研究,發表在最近一期的JAMA Cardiology
大家可能知道,蘋果的iWatch手錶,可以偵測一個人是否有「心房顫動」這種心律不整(在台灣,礙於法規,目前沒有開放)
但是,只是坐著候診,也沒跟什麼儀器有「接觸」,醫師是怎麼知道你有「心律不整」的?
原來,他們是採用攝影機,拍攝你的臉部一分鐘,再經由事先訓練好的「深度學習,卷積網路(CNN)模型」來判斷你是否有心律不整,也就是電腦透過「面相」幫你「算命」看看你有沒有「生病」!

技術層面
現在人工智慧的人臉辨識已經算是成熟,可以「刷臉」進出辦公室或是購物了。
這個研究使用的,並不是「人臉辨識技術」,它是「臉部光體積變化描記圖法」Facial Photoplethysmography (FPPG) 
PPG光體積變化描記圖法」是以光學的方式取得的器官體積描記圖,一般通過脈搏血氧儀來照射皮膚並測量光吸收的變化量來實現,早已使用在手指頭「脈膊血氧儀」上。只是,此研究是運用在臉部上,故稱為「臉部光體積變化描記圖法」FPPG

研究者之前已經在發表過,臉部的「顏色」會隨著脈搏而產生「細微的變化」,而這些變化,可以用iPhone手機拍攝下來,用一個叫Cardiio Rhythm 的手機App分析,就能診斷心房顫動(因為心房顫動者,其脈搏不規則,和一般人不一樣)
這次,他們所做的是「高通量」的研究,也就是使用一台攝影機,一次能「同時辨識5個人」,經測試,可以診斷心房顫動的整體敏感度是93.8%、特異度是98.1%、陽性預測率是98%、陰性預測率是94%

臨床運用考量
有心房顫動的病人,發生腦中風的風險是一般人的5倍,需使用抗凝血劑治療。但是很多人都不知道自己有心房顫動。因此,全世界都在努力,要如何能夠早期診斷這樣的病人,並早期開始治療。

目前,這還只是一個「概念證明」Proof-of-concept的小型研究(20位心房顫動的病人,24位沒有心律不整的人),未來還需要大量的數據,以及在真實世界中測試,才知道可不可行。也許在一般族群中,因為心房顫動的盛行率比實驗中低上許多,可能會影響到準確率也說不定。

當然,也許有人會說,這個不是摸一下脈搏就知道了嗎?是沒錯!但是,還是有不少科的醫師,「沒有時間」或是「不會」摸脈搏的。因此,這個研究的定位,本來就是一個「機會篩檢」,也就是病人本來就不是要做這個檢查,只是順便篩檢,能找出幾個算幾個的概念,多找出來的,都算是「賺到」!後續一定也會再做心電圖確認,所以,準確度也不一定要非常的好。

最重要的是,這個做法,沒有「接觸」到病人,也不需要額外的「儀器」,還可以在病人「沒有不適之下、不知不覺的進行」。當然,為了顧及個人的隱私,必須事先「獲得病人同意」,才會進入有攝影機的候診間。至於找出有可能患有心房顫動的病人,其後續的處理流程與法律義務或責任,則必須一併考慮。

對於人工智慧,有人是過度期待,也有人始終抱持懷疑的態度,但是,不可否認的是,它的發展,可能已經超乎一般人的想像!與其擔心害怕,不如多一些瞭解!

詳細內容請參考原始論文:
澳洲媒體報導:
另一篇報導