為了讓大家在課程中能更快進入狀況、理解課程，請您在課程開始前，先自行觀賞以下三部電影以及一篇導讀文章：
電影賞析
《魔球》
（Moneyball)
比利·比恩（布萊德·彼特飾）大聯盟球員生涯極不順利，很早退役成為球探，之後晉升為總經理，他帶領的奧克蘭運動家在2001年美國聯盟分區賽被財雄勢大的紐約洋基淘汰。球季結束後高層拒絕增加預算，又要面對球星被勁敵挖角。比恩在與克里夫蘭印地安人傾談交易球員事宜的過程中巧遇耶魯大學經濟學系畢業的彼德·布蘭特（Peter Brand），見到連對方總經理也聽從布蘭特的意見後，立即把他挖角…
《維基百科》
《模仿遊戲》
（The Imitation Game)
文獻閱讀
劉等人發表了一項不同尋常的開放科學實踐，這應該能為未來知識共享樹立開創性典範。他們同時呈現了原理與一份大型、已完整分析的真實世界資料集，展現貝氏推論（Bayesian reasoning）對臨床醫師實際應用助益。貝氏方法與一般研究報告常應用的頻率學派(frequentist）方法不同。頻率學派機率估計僅有單一點估計值及信賴區間，而貝氏方法則產生完整的機率密分佈函數。
在貝氏分析中，並非假設在研究之前沒有任何資訊，而是承認存在一定的先驗（prior）。頻率論假設在研究前所有機率值皆可能發生，而貝氏方法則承認即使在研究前，某些機率值更為可能。因此在研究之後，貝氏方法會產生新的機率分佈—「後驗」（posterior）—融合了原始研究結果與先驗分佈。
貝氏方法在醫療決策與日常生活中經常運用。臨床檢查結果很少單獨解讀，實際臨床看診會加入醫師背景所產生的臨床經驗（先驗），並依據依據檢查結果更新，形成新的病患罹病可能性分佈（後驗）。我們通常更容易接受落在先驗信念範圍內的結論，而對明顯違反先驗信念的結論持保留態度。
在建立心血管風險模型時，貝氏方法先假設一個依風險因子而異的風險分布，並隨著病人經驗與結局逐步更新模型。每位新增的病人都為模型的知識庫做出貢獻。之後，模型可以應用於任何個體，並提供該個體風險的分布；此分布可能窄（表示風險評估精確），也可能寬（表示具有相當程度之不確定性）。
本文作者願意公開整份資料集，為該領域創造了三個重要發展方向：
- 研究人員可用不同的假設（例如非正態分布）分析資料集。
- 以該資料集的分析結果作為起點，未來可加入更多資料來升級模型。
- 研究人員可自由探索變數間的新關聯，例如高膽固醇與高血壓在心血管風險上的乘法效應。
研究人員可自由探索變數間的新關聯，例如高膽固醇與高血壓在心血管風險上的乘法效應。
在心血管領域，完全公開資料的作法仍不常見，但這其實應該成為常態。為何不是每位作者都願意這麼做？是否擔心多年後被他人搶先發現新成果？還是有所隱瞞？我們不得而知，但這篇文章已改變了我們的實務，我們希望也能改變您的。
Dehbi, Hakim-Moulay, and Darrel P. Francis. International journal of cardiology 165.1 (2013): 3-6.
《千鈞一髮》
（Gattaca）
在不久的將來，人類對基因已有充分的掌控，可以為自己的後代選擇優良基因，也可以生物識別技術快速查驗身分。人們因此分成「基因優化人」和「自然人」。任職於太空公司的基因優化人傑羅米表現優異，獲選前往太空，在土衛六停留一年，但他的真實身分其實是自然人文森特。文森特以傑羅米的體液、毛髮、皮屑等檢體騙過公司的定期檢查與門禁，每天都必須小心翼翼以免穿幫。任務指揮官有意延後宇宙任務，若錯過發射窗口可能全盤取消。在最後期限的一星期前，任務指揮官在辦公室內遭人謀殺，警方開始搜查兇手…
《維基百科》
《外傷重症中心》
（The Trauma Code）
Ep1: 韓國大學醫院的外傷外科一直都不是獨立的存在，而是由各外科的值班醫師輪值，所以常造成急救的一團混亂。白江赫一抵達，根本無暇參與自己的就任儀式，就必須應付遭刺傷與登山墜落的傷患。
Ep5: 大橋發生了大型的連環車禍，為數龐大的重傷患者考驗著醫護人員的分秒必爭。白江赫決定帶著楊載源親自深入災難現場，進行檢傷分類的首要任務，楊載源也首度扛起緊急執刀的重任。藉此契機，白江赫成功透過媒體達到社會大眾對外傷外科人力與預算的重視。
《維基百科》
這篇文章透過高血壓的例子，展示了如何運用馬可夫鏈數學模式，描繪疾病在不同階段間的轉移與動態平衡。研究將血壓分為正常、前期高血壓、第一期及第二期四個階段，其中前期高血壓具有可逆性，能回到正常狀態。利用臺灣社區的實證資料，作者計算出各階段之間的年轉移率，並發現男性在四十歲之前，血壓惡化的速度約為女性的兩倍，而恢復速度僅為女性的一半；到了四十歲之後，尤其是在返回正常血壓的速率上，兩性差距逐漸縮小。這種差異也反映在心血管疾病與死亡率上，男性風險普遍高於女性。
馬可夫鏈的 Q 矩陣不僅可以揭示疾病在自然狀態下的進展趨勢，也能繪出長期的動態平衡曲線：隨著時間推進，正常血壓比例逐步下降，前期高血壓先上升後回落，第一期高血壓逐漸穩定，而第二期高血壓則持續增加，最終超越第一期。當分析再加入個人特徵，如年齡、教育程度、肥胖、糖尿病、膽固醇與尿酸異常，以及是否有檳榔與飲酒習慣時，便能計算出不同階段的累積危險分數，進一步區分高、中、低風險個體。
《超時空亞當計畫》
（The Adam Project)
在反烏托邦世界的2050年，戰鬥機飛行員亞當·瑞德偷了時空戰機並穿越時空到2018年，但他意外墜毀至2022年，並在此遇見了12歲的自己。12歲的亞當正因死於車禍的父親路易斯而變得叛逆，被雷和查克欺負，因打架而第三次停學，與母親保持距離。亞當不情願地請12歲的自己修理戰機，並透露他正在尋找他的妻子蘿拉，據說蘿拉在執行2018年的任務時死於墜機事故…
《維基百科》
這篇文章以生動的故事與物理數學概念，闡述如何用牛頓微積分與馬可夫鏈來理解醫學中的瞬間變化與長期平衡。作者先從一位內科醫師父親的臨床經驗談起，指出疾病在個人與族群中往往具有突發性與風險差異，例如某位高血壓病人因感染引發高血糖，最終因抽菸而在瞬間誘發心肌梗塞死亡。這種「瞬間危險」可以用牛頓的加速度與相對速率來比喻，對應到流行病學中的風險時間函數，用以量化事件在特定時間點發生的機率變化，並分析不同疾病的危險速度型態。
文章進一步說明，瞬間風險可藉由數學公式推導，轉換為族群層級的發病率比較，避免單純依比例誤判風險；而牛頓積分的概念則用於累積風險的預測，例如計算不同時間下的存活率與死亡率，這在保險精算與公共衛生中皆有應用。當事件之間是可逆的，疾病進展則可能呈現動態平衡，這種平衡現象可透過馬可夫鏈建模，例如以「友情」的四種狀態作比喻，或以醫院病患的高血糖與感染關係為例，展示不同狀態間的轉移機率如何決定長期穩定分佈。
AI機器學習夢幻營 