AI 踢館 Excel：Kaplan-Meier 生存分析，一鍵預測癌症存活率，告別 COUNTIFS 地獄
告別層層疊疊的 COUNTIFS 矩陣，體驗 AI 一句話生成 Kaplan-Meier 生存分析表的極速快感！
現況剖析與統計 (Diagnostic) ‧ Level 1 (基礎效率)
商業危機與痛點
在國家級癌症研究中心，初階研究員小陳正對著螢幕上密密麻麻的 Excel 表格愁眉不展。距離向指導教授報告的死線只剩不到 48 小時，他必須完成這份關於特定基因表現量與患者存活率的報告。核心任務，就是製作一張「Kaplan-Meier 生存分析」的基礎數據表，這需要將 50 位患者依基因表現量中位數，分為「高表現組」與「低表現組」。
問題就出在這裡。為了計算在不同時間點（30天、60天、90天…）各組的存活與死亡人數，小陳陷入了 Excel 的公式地獄。他正在建構一個巨大的矩陣，每一格都塞滿了巢狀的 COUNTIFS 函數，像是 `COUNTIFS(B:B, “>6.5”, C:C, “<=90”, D:D, “Deceased”)`。只要一個條件、一個儲存格參照弄錯，整張表的數據就會全盤崩潰。他戰戰兢兢地複製、貼上、修改，花了整整一個下午，眼花撩亂，深怕一個不小心就鑄成大錯。
就在他快完成時，指導教授走過來，看了一眼螢幕說：「嗯…我們換個思路，把基因表現量的分組標準從中位數改成四分位數看看。」小陳的腦中頓時一片空白。這意味著他那張由數十個複雜 COUNTIFS 公式 painstakingly 搭建起來的矩陣，必須全部推倒重來。絕望感瞬間淹沒了他，難道資料分析就只能是這樣不斷重複的公式苦工嗎？
在醫學研究中，製作 Kaplan-Meier 生存分析表是標準流程，但在 Excel 中卻是一場災難。分析師必須先手動設定基因表現的門檻值，再利用大量的 COUNTIFS 或 SUMIFS 函數，逐一計算在每個特定時間區間內，高、低表現組各自的在手人數（At Risk）、事件數（Events）與刪失數（Censored）。這個過程不僅極度繁瑣且耗時，更可怕的是其「僵化」的結構。只要分組標準、時間顆粒度有任何變動，整個由公式構成的脆弱城堡就得推倒重建，毫無效率可言，且出錯風險極高。
現在要處理的資料如下：
Patient_ID,Gene_Expression_Level,Survival_Time_in_Days,Final_Status P001,6.85,88,Deceased P002,0.72,2150,Alive P003,3.41,560,Deceased P004,1.05,1890,Alive P005,5.20,152,Deceased P006,7.90,45,Deceased P007,0.55,2410,Alive P008,2.10,1150,Deceased P009,4.33,320,Deceased P010,1.89,1420,Alive ..... (共計 50 筆資料，請下載完整檔案進行實戰)
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：
[P]rove 稽核驗證點
- 稽核分組正確性：AI 是否有確實以全體資料的「Gene_Expression_Level」中位數為標準進行分組？請在 Excel 中手動對該欄位進行排序，找到中位數並驗證兩組的人數是否正確分配。
- 抽查事件計數：隨機挑選一個有死亡事件的時間點，例如 45 天時 (P006)，人工核對原始資料中，該時間點的「Deceased」人數，是否與 AI 產出表格中的「Number_of_Events」一致。
- 驗證風險人數邏輯：檢查「Number_at_Risk」的計算邏輯。每一個時間點的 Number_at_Risk，都應該等於前一個時間點的 Number_at_Risk 減去前一個時間點的 Number_of_Events 與 Number_Censored 人數。
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
- 從 Excel 複製包含標題欄在內的 50 筆完整病患資料。
- 打開 Gemini (或您慣用的 AI 工具)，在對話框中先貼上剛剛複製的 50 筆資料。
- 在資料下方，直接貼上我們為您準備好的「PRO-Cube Prompt」指令，並送出。
- AI 將會產出「高基因表現組」與「低基因表現組」兩份已計算完成的 CSV 格式表格。
- 將這兩份表格分別複製，並貼到新的 Excel 工作表中，即可馬上用於繪製 Kaplan-Meier 生存曲線圖或進行後續統計分析。
從公式苦工到策略分析師的華麗轉身
起：本次的基因表現分析案例，完美揭示了過往被視為 Excel 高手間的複雜挑戰，如今已有了全新的破局點。承：我們親眼見證傳統作法的痛點——耗費大量心神建構脆弱的 COUNTIFS 矩陣，只要需求一改，就得推倒重來。轉：然而，AI 徹底翻轉了遊戲規則。透過一個精準的指令，我們將繁瑣的資料重塑工作直接外包，幾秒內就得到繪製生存曲線的標準數據表。合：這並非要取代分析師，而是賦予我們更強大的翅膀。當我們從「如何計算」的泥沼中被解放，才能真正專注於「為何如此」的策略洞察，從數據中挖掘出拯救生命的關鍵。