AI 降維打擊實戰
告別加班！用 AI 一秒搞定癌症存活率分析：基因 IL11 的生存預言
還在手動篩選、用 COUNTIF 數人頭？AI 一鍵生成生存分析表，從數天變數秒！
PRO-Cube 分析矩陣
趨勢預測與建模 (Predictive) ‧ Level 2 (流程自動化)
Medical
商業危機與痛點
生醫研究員小敏的螢幕上，密密麻麻的 Excel 表格像一張無形的網，將她困在座位上。距離向醫院倫理委員會報告『IL11 基因與癌症存活率』的關鍵會議只剩 48 小時，但她的進度還停留在手動標記病患分組。每當她用 COUNTIF 函數計算完一個時間點的存活人數，滑鼠滾輪一動，公式參照就可能跑掉，讓她膽顫心驚。焦慮感像咖啡因一樣在血液中奔騰，她彷彿能聽見 deadline 逼近的倒數聲。正當她準備通宵奮戰時，隔壁的數據分析師阿傑飄過來，看著她痛苦的表情說：『妳還在跟 Excel 肉搏戰？來，我教妳一句咒語，讓 AI 三十秒內幫妳搞定這一切。』小敏半信半疑地看著阿傑打開一個看似聊天軟體的介面，一瞬間，她感覺自己彷彿是個拿著算盤，卻看到別人正在用超級電腦的遠古人。
在醫學研究中，每一秒都攸關性命，但我們的分析工具卻還停留在石器時代。想像一下，為了分析 IL11 基因表現量與癌症存活率的關聯，你必須在數百位病患的 Excel 資料中，手動計算基因表現量的中位數，再逐一比對、標記『高表現』或『低表現』。接著，為了製作生存分析表，你得像苦行僧般不斷篩選、排序、複製貼上。最崩潰的是，在不同的時間點，你還得用肉眼搭配 COUNTIF 函數，去計算存活、死亡、失聯人數，最後再手動算出階梯式的累積存活率。整個過程只要一個手滑或眼花，所有努力瞬間歸零，只能含淚重來。這不是數據分析，這是對心智的極限挑戰。
現在要處理的資料如下：
Patient_ID,Survival_Time_in_Days,Survival_Status,IL11_Gene_Expression_Level P001,128,1,9.75 P002,2150,0,1.12 P003,45,1,11.31 P004,620,1,5.88 P005,1890,0,2.05 P006,211,1,8.90 P007,95,,7.99 P008,2800,0,0.85 P009,870,0,4.30 P010,Not Recorded,1,6.42
實戰演練素材
下載此範例資料，直接拖曳至 Gemini 進行對話演練。
[P]rompt 神級咒語
請將剛下載的 CSV 拖曳放入 Gemini 視窗，並貼上以下咒語：
你現在是一位頂尖的生物統計學家，請遵循以下步驟，分析這份關於癌症病患的 CSV 資料，並產出 IL11 基因表現量高低兩組的生存分析表（Kaplan-Meier survival table）。
1. 資料清理：忽略任何『Survival_Time_in_Days』為非數值或『Survival_Status』為空白的資料列。
2. 分組標準：計算『IL11_Gene_Expression_Level』欄位所有有效數值的中位數（Median）。
3. 病患分組：根據步驟 2 計算出的中位數，建立一個新欄位『Group』。若病患的基因表現量 > 中位數，則標記為『High_Expression』；若 <= 中位數，則標記為『Low_Expression』。
4. 生存分析：分別針對『High_Expression』與『Low_Expression』這兩組，計算在第 0, 365, 730, 1095, 1825, 2555 天（相當於第 0, 1, 2, 3, 5, 7 年）的時間點上，處於風險中的人數（Number at Risk）、死亡人數（Number of Deaths），以及累積存活率（Cumulative Survival Rate）。
5. 輸出格式：請將兩組的最終分析結果，以清晰的 Markdown 表格格式呈現。表格需包含 Time (Days), Number at Risk, Number of Deaths, Cumulative Survival Rate 這些欄位。
[P]rove 稽核驗證點
AI 不是神，你才是！學會驗證 AI 結果，才能真正做數據的主人。這份範例資料中，AI 在分析前應該會自動排除兩筆『髒資料』：
– 病患 P007：其『Survival_Status』欄位是空白的，AI 無法判斷其最終狀態，應予以忽略。
– 病患 P010：其『Survival_Time_in_Days』欄位被記錄為『Not Recorded』，這不是一個有效的數值，AI 在計算時也應排除此筆資料。驗證方法：你可以手動計算一次『IL11_Gene_Expression_Level』的中位數（排除 P007 與 P010 後），驗證 AI 的分組標準是否正確。例如，排序後的中位數應為 (6.42 + 7.99) / 2 = 7.205。接著，隨機抽查一位病患，如 P001 的表現量為 9.75，大於中位數，檢查 AI 是否正確地將其歸類為『High_Expression』組。透過這種抽樣驗證，我們就能確保 AI 的分析基礎是穩固可靠的。
職場防雷提示：
範例資料中故意埋放了空值與格式錯誤，請務必驗證 AI 產出的結果是否正確避開了這些坑！
[P]rocess 執行步驟
將 AI 產出的結果，無痛貼回 Excel 的 3 步驟：
1. 全選複製：將我們提供的 CSV 範例資料完整複製下來。
2. 貼上詠唱：打開 Gemini (或任何你慣用的 AI 工具)，將剛才複製的資料與上面的 Prompt (咒語) 一起貼入對話框中，按下 Enter。
3. 複製貼上：AI 會光速產出精美的 Markdown 表格，直接將該表格複製，並選擇性貼到 Excel 或 Google Sheets 中，大功告成！
Excel 還在茹毛飲血，AI 已登陸火星
回顧過去，我們耗費大量心力在 Excel 中進行繁瑣的數據整理與手動計算，不僅效率低落，更容易因人為疏失而前功盡棄。如今，AI 的出現徹底顛覆了這個工作流程，將重複性的勞動自動化，讓我們能將寶貴的精力專注於數據背後的洞察與策略。然而，我們必須謹記，AI 是強大的助手，而非全知的神諭；在享受其便利的同時，更應培養驗證數據與結果的嚴謹習慣。現在就開始，將 AI 視為你大腦的延伸，讓它為你的專業賦能，從數據的苦工，晉升為駕馭數據的策略家。