肺癌篩檢下的隱形警訊：誰是高風險中的高風險？

一頁式總覽

3個數字，看懂公費肺癌篩檢沒告訴你的事

• 家族史是關鍵指標：具家族史者的肺癌偵測率（1.48%），是重度吸菸者的1.5倍，尤其對女性影響更為顯著。（來源：運用SQL語法與決策樹模型...，表2）
• 吸菸「包年數」是晚期風險分水嶺：吸菸史超過40包年者，確診時為晚期（2-4期）的比例高達52%，是40包年以下者的2.5倍。（來源：運用SQL語法與決策樹模型...，表7）
• 健康識能可能是隱形防線：在特定條件下，無父母罹癌史、教育程度較低的群體，晚期確診比例反高達49%，凸顯警覺性與健康知識的重要性。（來源：運用SQL語法與決策樹模型...，表9）

風險浮現：兩年2.7萬人篩檢後，我們看見了什麼？

自111年7月至113年底，高雄市共有27,743人接受了首次公費低劑量電腦斷層（LDCT）篩檢，這項計畫無疑是公共衛生的重要里程碑（來源：運用SQL語法與決策樹模型...，公費肺癌篩檢概況）。然而，當我們深入剖析這龐大數據庫時發現，被納入計畫的「高風險族群」並非鐵板一塊。數據顯示，雖然具「重度吸菸史」的篩檢人數（14,714人）多於「家族史」（12,330人），但最終確診肺癌的人數卻是後者較多，佔了總罹癌人數的54%。這第一個發現，就挑戰了我們對肺癌風險的傳統認知。（來源：運用SQL語法與決策樹模型...，統計分析(一)）

---

性別差異：家族史對女性的影響，遠超想像

數據進一步揭示了風險因子下的性別差異。在確診肺癌的女性中，高達91.33%的人具有家族史，其偵測率達到1.61%；相較之下，男性罹癌者則以重度吸菸為主（占70.90%）（來源：運用SQL語法與決策樹模型...，統計分析(二)）。更值得注意的是，當家族史的來源是女性親屬（如母親、姊妹）時，無論對男性或女性篩檢者，其罹癌偵測率都顯著高於來自男性親屬的家族史。這意味著，對於女性而言，「家族史」不僅是重要風險，其親屬的性別更是一個需要被高度重視的細微指標。（來源：運用SQL語法與決策樹模型...，統計分析(三)）

晚期警訊：決策樹模型揭開致命的風險組合

早期發現是肺癌存活的關鍵。為了找出哪些人更容易被延誤至晚期，研究團隊運用了決策樹模型分析339名確診者的特徵。模型的第一個判斷節點，就是「吸菸史是否超過40包年」。數據顯示，超過此門檻的患者，有52%在確診時已是晚期，風險是40包年以下者的2.5倍（來源：運用SQL語法與決策樹模型...，決策顯示結果1）。第二個關鍵因子是「教育程度」，在吸菸史較短的群體中，國中以下教育程度者的晚期比例（39%）遠高於教育程度較高者（16%），這暗示了健康知識與預防行為的巨大影響。（來源：運用SQL語法與決策樹模型...，決策顯示結果2）

晚期肺癌風險決策路徑

【生成】為何重要：此模型模擬了高風險因子的篩選過程，協助我們理解為何同樣是公費篩檢對象，有些人的晚期風險卻高出數倍。它不僅是數據分析，更是未來制定精準衛教與早期干預策略的藍圖，幫助公衛體系找出最需要優先關注的群體。

• 所有確診者 (339人)
  • 吸菸史 > 40包年？
    • 是 (85人) → 晚期風險 52%
    • 否 (254人)
      • 教育程度 ≤ 國中？
        • 是 (61人) → 晚期風險 39%
          • 無父母罹癌史？
            • 是 (45人) → 晚期風險 49%
            • 否 (16人) → 晚期風險 13%
        • 否 (193人) → 晚期風險 16%

知識落差：為何「沒聽過」比「有遺傳」更危險？

模型中最令人意外的發現，來自一個反直覺的結果：在吸菸史較短、教育程度較低的群體中，若「沒有」父母罹癌的家族史（但可能有兄弟姊妹或子女罹癌），其晚期確診比例竟飆升至49%，遠高於有父母病史者的13%（來源：運用SQL語法與決策樹模型...，決策顯示結果3）。研究推斷，這可能源於「警覺性」的巨大落差。親身經歷父母抗癌過程的人，健康警覺性更高，更可能主動篩檢；反之，若僅是旁系血親或晚輩罹癌，加上健康資訊相對匱乏，容易因警覺不足而錯失早期診斷的黃金時機。這揭示了健康識能與風險感知，是比基因更直接的保命符。

圖表草稿說明：圓餅圖。呈現112年台灣地區十大惡性腫瘤死亡人數分布，閱讀重點為突顯肺癌佔比最高（19.5%）。

圖表草稿說明：分組長條圖。比較不同篩檢資格（家族史 vs. 重度吸菸史）與性別下的肺癌偵測率。閱讀重點為不論男女，家族史的偵測率均高於重度吸菸史，且女性具家族史的偵測率最高。

關鍵時間軸

• 2022/07/01

  衛福部啟動公費肺癌篩檢計畫

  為具家族史與重度吸菸史的高風險族群，提供每2年1次的低劑量電腦斷層攝影檢查，開啟早期偵測新頁。（來源：運用SQL語法與決策樹模型...，前言）

• 2022/07 – 2024/12

  【生成】累計27,743人完成首次篩檢

  高雄市在約兩年半內累積了大量篩檢數據，為本次深度分析奠定關鍵基礎。（來源：運用SQL語法與決策樹模型...，公費肺癌篩檢概況）

• 2025/08/01

  【生成】高市府發表數據分析報告

  首次揭示吸菸包年、教育程度與親屬史對晚期風險的複合影響，為公衛政策提供新方向。（來源：運用SQL語法與決策樹模型...，封面）

• 【待補】

  【生成】衛福部或將調整篩檢衛教策略

  【生成】預期將針對分析出的新風險因子（如高包年吸菸者、低健康識能者），推動更精準的公衛溝通與介入措施。

精準防治：從數據到行動，我們能做什麼？

這份數據分析不僅是回顧，更是行動的起點。報告建議，未來的防治策略應更加精準化。首先，需密切追蹤女性肺癌個案的女性親屬，並加強衛教宣導。其次，針對吸菸史超過40包年的男性，應積極介入，鼓勵戒菸或減量，以降低晚期風險。最後，也是最關鍵的，是必須針對教育資源相對有限的族群，投入更多資源進行健康識能教育，用淺顯易懂的方式傳達「所有家族史」的重要性，彌平知識落差，才能真正讓肺癌篩檢的防護網，沒有漏洞。（來源：運用SQL語法與決策樹模型...，建議）