AI 一鍵生成卡普蘭-邁耶生存曲線：告別 Excel 手動地獄與公式夢魘
從耗時數小時、一步錯全盤皆錯的手動計算，到 AI 一句指令自動完成資料清洗與生存分析。
現況剖析與統計 (Diagnostic) ‧ Level 3 (降維打擊)
商業危機與痛點
林醫師正為了即將到來的癌症研究會議焦頭爛額。報告的核心，是一張根據特定基因表現量，來預測病患存活率差異的卡普蘭-邁耶（Kaplan-Meier）生存曲線圖。他打開 Excel，看著密密麻麻的病患資料，嘆了一口氣。他必須先手動將數百位病患，依基因表現量的中位數，分成「高表現」與「低表現」兩組。
接下來才是惡夢的開始。在排序存活時間後，他發現有幾筆資料的狀態欄是空白的，基因表現的數值還有逗號誤植。他小心翼翼地處理好這些髒資料，開始在每個時間點上，手動計算「風險人數」與「當期存活率」。就在計算累計存活率時，一個 `PRODUCT` 函數的儲存格範圍選錯，整條生存曲線瞬間崩壞。時間一分一秒地流逝，會議的壓力與公式除錯的挫敗感，讓他瀕臨崩潰。
他深知，這張圖的任何一個微小錯誤，都可能誤導整個研究方向。然而，這種高度重複性、零創造性的工作，卻正吞噬著他身為研究員最寶貴的資產：專注於數據洞察的時間與精力。
為高、低基因表現兩組病患，從頭手動建立生存分析表，是許多分析師的共同夢魘。這過程需要極度的耐心與專注，反覆篩選、排序病患存活時間，並在每個發生事件的時間點上，小心翼翼地手動計算「當期存活人數」、「風險人數」與「累計存活率」。
其中，最令人痛苦的是「累計存活率」的連乘計算。只要一個欄位排序錯誤，或是一個累乘公式拉錯儲存格，整條生存曲線就完全毀壞，必須全部重來。這不僅極度耗時，更糟的是，在高度精神壓力下，犯錯的機率也隨之飆升，讓人陷入不斷檢查與重做的絕望循環。
現在要處理的資料如下：
Patient_ID,Survival_Time,Survival_Status,Gene_Expression_Level PAT-001,85,Event,12.5 PAT-002,1250,Censored,1.8 PAT-003,42,Event,15.2 PAT-004,365,,8.9 PAT-005,1800,Censored,0.5 PAT-006,150,Event,11.7 PAT-007,400,Censored,10,1 PAT-008,980,Censored,2.1 PAT-009,730,Event,5.5 PAT-010,900,Event,3.2
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
- 稽核點一：檢查 AI 是否已正確排除 `Patient_ID` 為 `PAT-004` 的資料，因為其 `Survival_Status` 為空值，不應納入分析。
- 稽核點二：確認 `Patient_ID` 為 `PAT-007` 的 `Gene_Expression_Level` 是否已從錯誤的「10,1」格式，成功修正為數值「10.1」並參與分組計算。
- 稽核點三：抽樣驗算任一時間點的累計存活率，確認其計算邏輯是否符合卡普蘭-邁耶的定義（前期存活率 × 當期存活率）。
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
- 複製上方淺藍色區塊中的完整 Prompt 指令。
- 前往 Gemini (gemini.google.com) 或其他大型語言模型服務，將指令貼上對話框後送出。
- AI 將會回傳兩份以 CSV 格式呈現的卡普蘭-邁耶分析表（高、低基因表現組）。
- 將這兩份表格的純文字內容，直接複製並貼到 Excel 的新工作表中。
- 利用 Excel 的「資料剖析」功能，將貼上的文字轉換為表格格式。
- 最後，使用 Excel 的圖表功能，選取兩組的 `Time` 與 `survival` 欄位，即可輕鬆繪製出專業的階梯狀生存曲線圖。
解放你的分析大腦，讓 AI 處理繁瑣運算
生存分析是醫學研究的基石，但其計算過程極為繁複。過去我們依賴 Excel，雖然功能強大，但手動建立卡普蘭-邁耶分析表，無疑是場與時間和錯誤率的搏鬥，稍有不慎就前功盡棄。
現在，AI Prompt 如同一位永不疲倦的虛擬統計學家，不僅能秒速處理數據，更能自動偵測並修正資料瑕疵，從根本上解決了人為失誤的風險。這不僅是技術上的勝利，更是思維上的解放。當我們將繁瑣計算交給 AI，就能將寶貴的精力專注於數據背後的醫學洞察，真正加速科學研究的進程。