| 逃離數據地獄指南 | 數據破局實戰檔案 |

AI 取代 COUNTIFS: 3 分鐘生成癌症生存曲線分析,告別 Excel 公式地獄

告別手動建構生存分析表的惡夢,讓 AI 一次生成精準預後分組與風險數據。

PRO-Cube 分析矩陣

現況剖析與統計 (Diagnostic) ‧ Level 2 (流程自動化)

Healthcare

商業危機與痛點

螢幕右下角的時間無情地跳動著,星期五,下午 5:47。Mark 的身影如鬼魅般出現在 Dave 的隔板旁,一枚銀色 USB 碟被輕輕拋在桌上,發出清脆卻沉重的聲響。「最新一批臨床數據,」Mark 的聲音沒有溫度,「我需要在週一早上九點的董事會上,看到完整的癌症預後生存分析,按基因表達高低分組。我要知道每個時間點的風險人數,Mélanie 會親自稽核每個數字。」

話音剛落,Mark 已轉身離去,只留下滿室的低氣壓與名為「絕望」的數據檔案。Dave 將它打開,數百名患者的生命軌跡瞬間佔據了整個螢幕。他的大腦立刻開始預演那場註定血流成河的 Excel 戰役:首先,用 MEDIAN 函數找出基因表達量的中位數;接著,是那條長得像惡龍一樣的巢狀 IF 函數,將每個患者精準釘在「高表達」或「低表達」的標籤上。

但真正的恐懼,來自於那張空白的存活分析表。它像一個貪婪的怪獸,等待著被無數個 COUNTIFS 函數獻祭。每一個儲存格,都是一場與儲存格參照、絕對位置 ($) 和多重篩選條件的搏鬥。只要一個環節出錯,整個分析模型就會像紙牌屋一樣瞬間崩塌。窗外的天色漸暗,辦公室的燈光在螢幕上反射出 Dave 疲憊的臉,這不是一個週末的開始,而是一場審判的序幕。

手動建構生存分析表的過程,就像在雷區裡徒手排雷。你必須用 COUNTIFS 函數在錯綜複雜的條件中穿梭,同時篩選時間區間、事件狀態與基因分組。公式中的每一個儲存格參照都必須精準無誤,絕對參照與相對參照的切換更是讓人精神緊繃。只要一個小小的疏忽,例如鎖定了錯誤的欄位,或是區間條件設定錯誤,整份報告的數據就會全盤崩潰,而要從這片公式迷霧中找出錯誤根源,幾乎是不可能的任務。

現在要處理的資料如下:

Patient_ID,Survival_Time_Days,Event_Status,Gene_Expression_Level
PID-001,452,1,9.87
PID-002,2890,0,1.56
PID-003,1105,1,4.33
PID-004,399,1,11.21
PID-005,1899,1,3.01
PID-006,730,1,6.78
PID-007,3560,0,0.92
PID-008,95,1,15.43
PID-009,876,1,5.99
PID-010,1542,0,3.87

..... (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。

下載 CSV 檔

[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,專精癌症研究中的生存分析。 你的任務是分析我提供的臨床試驗數據,其中包含患者的生存天數、事件狀態(1=事件發生, 0=數據刪失)以及特定基因的表達水平。 請遵循以下步驟進行分析: 1. 精確計算「Gene_Expression_Level」欄位的中位數。 2. 根據計算出的中位數,新增一個名為「Expression_Group」的欄位。如果患者的基因表達水平「大於」中位數,則標記為「High」;否則標記為「Low」。 3. 基於「Expression_Group」的分組結果,建立一張詳細的生存分析表(Life Table)。此表需以 365 天為一個時間區間(例如 0-365, 366-730, 731-1095…),並包含以下欄位: – Time_Interval (Days) – Group (High/Low) – Number_at_Risk (期初風險人數) – Events (期間事件數) – Censored (期間刪失數) 請將最終結果以下列三個部分清晰呈現,所有表格部分都直接輸出為 CSV 格式: – 計算出的中位數值 – 包含新欄位「Expression_Group」的完整患者數據表 – 最終的生存分析表

[P]rove 稽核驗證點

  • AI 的核心價值在於「流程的確定性」。它首先精準計算出基因表達量的中位數,這個值將成為後續所有分類的唯一真理,排除了手動計算或公式選取範圍錯誤的可能性。
  • 接著,它以這個中位數為基準,對每一行數據進行了無懈可擊的二元分類(High/Low),過程如同工業級的產線,零失誤、零偏差。
  • 最終生成的生存分析表,完美繞過了 COUNTIFS 函數的參照地獄。AI 在後端直接遍歷數據,根據時間區間、分組、事件狀態進行計數,從根本上消除了因複雜公式和手動拖曳而產生的連鎖錯誤風險。

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

  1. 選取 Gemini 回傳的第二個區塊,也就是包含「Expression_Group」新欄位的完整 CSV 數據,直接貼回你的 Excel 工作表中,覆蓋原始資料。
  2. 接著,選取 Gemini 回傳的第三個區塊,也就是最終的「生存分析表」CSV 數據。
  3. 在 Excel 中新增一個名為「Survival_Table」的工作表,並將複製的數據貼在 A1 儲存格。你將會得到一張乾淨、準確、可直接用於後續分析或視覺化的表格。

別讓工具的極限,框住你洞察的視線。

當數據的複雜度超越了傳統工具的負荷,我們感受到的挫折與無力,從來都不是你的錯。你不是不夠努力,而是被禁錮在一個效率低落的舊時代戰場。過去,我們耗費大量心力在手動搭建公式迷宮,只為了確保數據的基礎正確性,卻犧牲了真正寶貴的——洞察與思考的時間。

現在,AI 如同一位永不疲倦的副駕,為你處理那些繁瑣、重複且極易出錯的路徑規劃。它讓你得以從駕駛艙的儀表板前抬起頭,專注於前方的地平線,去解讀數據背後關於生命的真正意涵。釋放你的大腦,讓工具回歸工具,讓智慧專注智慧。這不僅是技術的升級,更是身為數據分析師的你,價值的解放。

Author’s Note & Inspiration:

The core analytical framework of this case is inspired by Mastering Excel through Projects by Hong Zhou (Chapter 6: Kaplan Meier Analysis). This article serves as both a tribute to the original concepts and a modern challenge to push those boundaries further using AI-driven automation.

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *