乳癌相關淋巴水腫治療的智慧輔助

林摯鈞

         國際癌症研究機構（The International Agency for Research on Cancer, IARC）於GLOBOCAN 2020發佈的數據中顯示，乳癌是全球185個國家中發生率和盛行率占比最高的癌症[1]。乳癌常見的治療方式包括手術治療、放射治療、化療、標靶治療等[2]，而淋巴水腫卻是乳癌術後最常見之併發症，近年一項研究發現乳癌術後10年之患者其手臂淋巴水腫的盛行率高達49.0% [3]，可見多數乳癌存活者終其一生都飽受淋巴水腫的威脅。

        由於目前並無有效藥物或移植手術可以根治受影響的淋巴系統，常見的治療方式之一為整合性消腫治療(complete decongestive therapy, CDT) [4]。整合性消腫治療為一系列之治療流程，包含徒手淋巴引流治療(manual lymphatic drainage, MLD)、彈繃/壓力衣加壓法、運動、皮膚護理、另也有使用機器輔助加壓的方式。

        這幾年因為資通訊技術及人工智慧的快速發展，亦有許多針對淋巴水腫問題之相應的智能輔助研發。使用可穿戴式吊墜感測器(wearable pendant sensor, WPS)配合動作捕捉系統針對肩部運動進行偵測，如與物聯網裝置整合，將可望成為監控淋巴水腫運動計畫依從性之設備[5]。近年亦有因應武漢肺炎之全球檢疫隔離需求，而衍生使用手機應用程式(app)，如WeChat [6]、Zoom[7]等協助乳癌自我健康管理的輔助工具。隨著全球掀起人工智慧的熱潮，人工智慧於醫療之應用也可望加速智慧醫療之進程。於乳癌術後淋巴水腫治療之領域中亦有使用機器學習(machine learning, ML)方式協助判讀淋巴水腫預風險之預測，其預測變數包括年齡、身體質量指數（body, mass index, BMI）、高血壓史、糖尿病史、乳房切除術類型、腋窩淋巴結清掃、清掃淋巴結數目、術後併發症、手術慣用手、術後功能運動、術後內分泌治療、化療、放療、腫瘤病理類型、腫瘤淋巴結轉移（tumor node metastasis ，TNM）分期，而其結果變數則為淋巴水腫風險之預測。

        淋巴水腫的復健之路，對乳癌存活者而言，不僅是一時的挑戰，更是一生持續關注與管理的重要課題。期待智慧輔助裝置的研發與臨床應用，能為乳癌存活者帶來更即時、個人化與便利的照護選擇，更可進一步改善其生活品質，讓科技真正成為乳癌存活者面對淋巴水腫復健之路上的強力後盾。

參考文獻
     

1. Hyuna Sung, Jacques Ferlay, Rebecca L Siegel, Mathieu Laversanne, Isabelle Soerjomataram, Ahmedin Jemal, Freddie Bray. Global Cancer Statistics 2020: GLOBOCAN Estimates of Incidence and Mortality Worldwide for 36 Cancers in 185 Countries. CA Cancer J Clin. 2021 May;71(3):209-249.
2. Chie Katsura, Innocent Ogunmwonyi, Hadyn KN Kankam, Sunita Saha. Breast cancer: presentation, investigation and management. British Journal of Hospital Medicine. Vol. 83, No. 2. 
3. Yan-fei Liu, Jun-E Liu, Yim Wah Mak, Yi Zhu, Hui Qiu, Li-hui Liu, Shen-shen Yang , Shao-hua Chen. Prevalence and predictors of breast cancer-related arm lymphedema over a 10-year period in postoperative breast cancer patients: A cross-sectional study. Eur J Oncol Nurs. 2021 Apr:51:101909.
4. Louise A Koelmeyer, Robert J Borotkanics, Jessica Alcorso, Philip Prah, Caleb J Winch, Kristine Nakhel, Catherine M Dean, John Boyages.  Early surveillance is associated with less incidence and severity of breast cancer-related lymphedema compared with a traditional referral model of care. Cancer. 2019 Mar 15;125(6):854-862.
5. Hassam Khan Wazir, Satish Reddy Bethi, Ashwin Raj Kumar, Fabio Caruso, Vikram Kapila. A Wearable Pendant Sensor to Monitor Compliance with Range of Motion Lymphatic Health Exercise. Annu Int Conf IEEE Eng Med Biol Soc. 2020 Jul:2020:4588-4591.
6. Xia Luo, Hong He, Jing Chen, Mingfang Li, Jun Yan. Development and evaluation of a WeChat-based intervention program for prevention of breast cancer-related lymphedema. Support Care Cancer. 2024 Dec 11;33(1):19.
7. Anandhi Ramachandran, Shashi Gogia, Arun Rekha. Online Complex Decongestive Therapy (CDT) Initiation for Lymphoedema - A Case Study. Stud Health Technol Inform. 2022 Jun 6:290:1134-1135.
8. Yang Sun, Xiaomin Xia, Xia Liu. Predictive modeling of breast cancer-related lymphedema using machine learning algorithms. Gland Surg. 2024 Dec 27;13(12):2243–2252.

作者資訊