健檢報告怎麼看？只看紅字不夠，醫師教你看懂 3 個數值趨勢

Q: 健檢報告沒有紅字，就代表沒問題嗎？

不一定。紅字只代表這一次的數值落在參考範圍外；沒有紅字，數值也可能正一年一年往壞的方向走。例如腎功能從 95 掉到 78，雖然還在正常範圍，仍值得再檢查、繼續追蹤。最好的做法是把歷年報告放在一起比較，有變化就帶去問醫師。

Q: 健檢報告出現紅字，一定是生病了嗎？

不一定。多數檢驗的參考範圍取自健康人中間 95% 的數值，本來就有約 5% 的健康人會落在範圍外；但也有一些是臨床決策切點（例如空腹血糖 126 mg/dL 是糖尿病的診斷切點）。不論是哪一種紅字，都應該拿給醫師判斷，並和過去的數值比較。

Q: 腎功能每年下降多少要注意？

腎功能在多數人身上會隨年齡慢慢下降，健康、沒有高血壓的成人每年大約下降 0.37 到 1.07 mL/min/1.73m²；重點是下降的速度與你本來的風險。在一項第二型糖尿病病人的研究中，腎功能（eGFR）每年掉超過 5 mL/min/1.73m² 的人，之後發生重大心血管事件的風險是 4.11 倍。每個人的狀況不同，看到數值一年比一年低，請帶著歷年報告問醫師：這個下降速度正常嗎？

最新更新日期：2026/10/07

本集內容導覽：

💡 引言：兩張幾乎一樣的報告，一個回家、一個下週回診
🎬 本集影音線上看
🚀 30 秒重點速讀：洪醫師幫你畫重點
一、紅字是怎麼訂出來的？健康的人也會有紅字嗎？
二、為什麼「跟去年的自己比」比「跟別人比」更重要？
三、腎功能：除了數字，更要看「掉多快」
四、腎功能掉得快，心臟也比較容易出事？
五、血糖：除了平均值，也要看穩不穩
六、血壓：除了平均值，也要看穩不穩
七、把歷年報告放在一起：醫院、健保與你自己能做的事
八、健康檢查做越多，就越安全嗎？
九、這項檢查要不要做？先問自己一句話
十、AI 看的不是一次的數字，是「線的形狀」
十一、今晚就能做：把幾年的健檢報告疊在一起
❓ 常見問題 Q&A
📚 參考文獻

【門診情境】兩張幾乎一樣的抽血報告

（以下為示意情境，非特定病人的真實個案）

❇️ 同一天下午，桌上有兩張抽血報告，上面的數字幾乎一模一樣。
兩位都是五十出頭，腎功能（腎絲球過濾率）都是 78，標準值是 60，都沒有紅字，其他項目也大同小異。
對第一位，醫師說：「這樣沒有問題，明年再看看。」
對第二位，醫師說：「你下禮拜再來一次。」
第二位愣住了：「醫生，我哪裡不對？我不是沒有紅字嗎？」

差別不在那張紙上：第一位前年 81、去年 79、今年 78，是一條平緩的線；第二位前年 101、去年 95、今年 78——一年就掉了 17，雖然還在正常範圍，成績卻一直變差。另一種情況是：腎功能的數字一樣，但另一個數字（例如尿蛋白）已經明顯超標，這時候也要進一步追蹤。

健檢報告怎麼看？大部分人拿到報告，第一個動作是翻到最後一頁看總共有什麼建議，邊翻邊用眼睛掃紅字：有紅字，心突然跳一下；沒紅字，鬆一口氣，放進抽屜。洪暐傑醫師說，這完全可以理解——報告動輒二三十頁、密密麻麻，紅字是最看得懂的部分。但只看紅字，不只是不夠好，而是方向就不對。紅字告訴你的是「你跟一群人比起來怎麼樣」，卻沒有告訴你「你跟去年的自己比起來怎麼樣」；而在很多健康問題上，後者常常能提供單看一次數字看不到的訊息。

🎬 本集影音線上看

📺 YouTube 完整影音：

🎧 Podcast 直接線上聽：

🧡 其他收聽平台：

🎧 SoundOn・Spotify 收聽本集

如果您沒時間看完整集，請先記住這 4 個重點：

🔴 紅字是跟一群人比

多數檢驗的參考範圍，取自一群健康的人中間 95% 的數值，所以本來就有約 5% 的健康人會落在範圍外；但也有一些是臨床決策切點（例如空腹血糖 126 mg/dL 是糖尿病的診斷切點）。紅字不等於生病，沒紅字也不等於沒事——不論有沒有紅字，都要拿給醫師、和過去的數值一起看。

📉 腎功能看掉多快

腎功能會隨年齡慢慢下降，重點是掉的速度。整合近 390 萬人的研究顯示，腎功能每年掉得慢一點的人，走到末期腎臟病的風險約低三成（本來風險低的人，實際差距很小）；在第二型糖尿病病人身上，腎功能每年掉超過 5 mL/min/1.73m² 的人，嚴重心血管事件的風險是 4.11 倍。

〰️ 血糖、血壓看穩不穩

英格蘭近 6 萬名第二型糖尿病病人的研究：糖化血色素最不穩定的 10% 與最穩定的 10% 相比，死亡風險將近 2 倍（糖尿病病人請和醫師討論血糖控制）；血壓在平均值之外，病人「回診之間的起伏」也是另一個訊號。

🧭 檢查不是越多越安全

做檢查前先問自己：「知道這個結果，會不會改變我接下來的決定？」年齡與風險上該做的篩檢（例如大腸癌、子宮頸癌、高風險者的肺癌）仍要做。今晚就能做的一件事：把最近幾年的報告疊在一起，同一欄往下看，有變化就帶去問醫師。

一、紅字是怎麼訂出來的？健康的人也會有紅字嗎？

會。紅字就是數值超出報告上的「參考範圍」；而大部分檢驗項目的參考範圍，是找一群被認為健康的人來測，取中間 95% 的數值訂出來的——最低的 2.5% 和最高的 2.5%，本來就會被劃在範圍外。換句話說，就算是健康的人，每一項檢驗也大約有 5% 的機會落在範圍外。所以超出範圍不代表身體一定有問題，那是另外一回事。

照這個定義推算下去：一份健檢常常一次驗很多項，如果有 20 項彼此獨立、每一項都有 5% 的機會落在範圍外，全部都在範圍內的機率只有大約三分之一（0.95 的 20 次方約 36%）。實際的研究也發現，因為檢驗項目彼此相關，這樣算會高估；但方向不會變：項目做得越多，健康的人也越可能看到紅字。

不過，不是每一個紅字都是這樣訂的。有一些標準值訂的是一條「風險線」：超過或低於這個數字之後，健康風險會比較高，臨床上就以它當判斷的界線。像空腹血糖 126 mg/dL 是糖尿病的診斷切點，訂定時主要參考視網膜病變這類糖尿病特有併發症的資料；三酸甘油脂 150 mg/dL 是治療指引訂的「正常」上限——這類紅字代表的是「超過之後，未來健康出問題的機會比較高」。不過風險多半是逐漸上升的，並不是剛好在那條線上突然升高。

📚 PubMed 實證補充

檢驗醫學在訂參考區間時，會說明採用的原則，例如取健康參考族群的「中央 95%」（Jones 等，Clin Biochem Rev 2008，PMID 18852866）。國際臨床化學聯合會的專家委員會則提醒，「臨床決策界限」和參考區間不一樣：它對應的是特定不良結果的風險，常用在血脂、血糖、糖化血色素與腫瘤標記等檢驗（Ozarda 等，Crit Rev Clin Lab Sci 2018，PMID 30047297）。

以空腹血糖為例，世界衛生組織與美國糖尿病學會的糖尿病診斷標準，背後的假設是存在一個「超過就容易出現視網膜病變」的血糖門檻；不過三個族群研究的新資料顯示，血糖和視網膜病變之間比較像是連續的關係（Wong 等，Lancet 2008，PMID 18313502）。三酸甘油脂方面，美國國家膽固醇教育計畫第三版成人治療指引把「正常」訂在 150 mg/dL（Warnick 等，Clin Chem 2002，PMID 11751533）。

至於「驗越多項越容易有紅字」：一篇分析三個篩檢計畫、769 位病人的研究發現，用「各項彼此獨立」的公式去算，14 項檢驗應該有 51.2% 的人至少一項異常，實際觀察到的是 37.1%——方向一樣，但公式會高估（Phillips 等，N Z Med J 1981，PMID 6950296）。

所以紅字有兩種：一種是「跟大部分人不一樣」，一種是「超過之後風險會變高」。不管是哪一種，下一步都一樣：把它放進時間裡看，並拿給醫師判斷，不要只看這一次有沒有紅字。想了解血糖數字怎麼看，可以參考〈只測1次，是選飯前血糖還是飯後血糖比較準？〉。

二、為什麼「跟去年的自己比」比「跟別人比」更重要？

因為一個時間點的數字，看不出你正在往哪裡走。洪醫師用考試成績來比喻：考 90 多分很不錯，但如果成績是從 99、97、94、93 一路掉到 90，就算每一次都還是好成績，你會不會覺得應該要有一些警訊？

同樣是腎功能 45，標準是 60，聽起來是偏差的；但如果他前一次是 30，代表他可能做對了什麼，腎功能慢慢有了一些恢復（當然 45 本身仍低於標準，還是需要醫師追蹤）；另一個人如果是從 70 掉到 60、再掉到 45，那就完全是另一回事，應該要進一步處理。

洪醫師另一個比喻是高速公路的測速照相：兩台車被拍到的瞬間都開 110，誰比較安全？你很難知道。一台可能正在超車、剛好加速到 110；另一台可能是看到測速照相，才從 130、140 減到 110。只看一張報告，就像只看那一瞬間的速度，不知道之前之後發生了什麼事。

發燒也是一樣。兩個人都燒到 38.5 度：一個人本來體溫正常 36 度，突然燒到 38.5 度，就應該進一步檢查為什麼發燒；另一個人已經燒了好幾天，從 40 度、39.5 度、39 度一天天降下來，到今天 38.5 度，狀況可能是在好轉。同樣的體溫，是兩件完全不同的事——當然，發燒好幾天本身也要讓醫師評估。

這也是為什麼看診時，醫師常常在電腦前一直點、一直點：不是在分心做別的事，而是在看你「以前的故事」。透過健保的雲端查詢系統，醫師可以查到你近期在健保就醫的用藥與檢驗檢查紀錄；看到你的腎功能現在多少、以前多少，如果以前比現在好、現在越來越差，醫師就會特別警覺。

三、腎功能：除了數字，更要看「掉多快」

腎功能（eGFR，估算腎絲球過濾率，代表腎臟過濾的能力）在多數人身上會隨年齡慢慢下降，所以看到數字往下掉，不一定代表有特殊疾病；要考慮的是它掉的速度；掉得快、或同時有尿蛋白時，請醫師評估。如果是老化，會慢慢、慢慢地下降；如果掉得非常快，可能是有其他原因正在傷害它。比較歷年的數值，才分得出「這是老化」還是「有別的原因」——如果連以前的數字都沒有，就永遠不會知道。

回到開頭的例子：第二位去年是 95、今年 78，一年就掉了 17。接下來會不會繼續掉？還是只是暫時的浮動？這時候再測一次、繼續追蹤就有必要，過去的數值能讓醫師的評估更精確。

一篇整合 14 個世代、共約 376 萬名腎功能正常（eGFR ≥60）民眾，以及約 12 萬名腎功能已下降者的大型分析發現：兩年期間腎功能每年下降的速度如果慢 0.75（mL/min/1.73m²），之後走到末期腎臟病（需要洗腎或換腎）的風險，大約低三成；用三年期間來看下降速度，關聯性又比兩年更強。

不過同一篇研究也提醒：好處的大小，取決於一個人本來的風險。研究者用模型推算：假設有一種介入能讓腎功能每年少掉 0.75，對 5 年內走到末期腎臟病風險約 8.3% 的快速惡化族群，可以讓 5 年風險減少 1.6%；但對風險約 0.58% 的低風險族群，只減少 0.13%。洪醫師也提醒：看腎功能的趨勢，對本來就有糖尿病、高血壓或腎功能已經不好的人特別重要，不是拿來嚇一般人的。

📚 PubMed 實證補充

這篇研究整合 14 個世代、共 3,758,551 名基線腎功能正常（eGFR ≥60）與 122,664 名腎功能已下降（eGFR <60）的參與者，平均追蹤 4.2 年：兩年期間 eGFR 每年的下降速度慢 0.75 mL/min/1.73m² 的人，之後走到末期腎臟病的風險較低（eGFR ≥60 者 HR 0.70、eGFR <60 者 HR 0.71），用三年的下降速度來看，關聯又更強。研究者推算，同樣的減緩幅度，對 5 年風險 8.3% 的族群可讓風險少 1.6%，對 5 年風險 0.58% 的族群只少 0.13%——風險最高的人最能受益。這是觀察性資料的分析，說明的是關聯（Grams 等，J Am Soc Nephrol 2019，PMID 31292199）。

腎功能隨年齡下降有多快？一篇系統性回顧整理 12 個研究、129,359 名健康參與者，每年下降從 0.24 到 3.60 不等；沒有高血壓的人，每年約下降 0.37 到 1.07 mL/min/1.73m²（Guppy 等，BMJ Open 2024，PMID 39609029）。

四、腎功能掉得快，心臟也比較容易出事？

在第二型糖尿病病人身上，答案是有關聯的：腎功能每年掉超過 5 mL/min/1.73m² 的人，之後發生重大心血管事件的風險是 4.11 倍。

這是法國一項追蹤 1,040 名第二型糖尿病病人的研究：研究者用總共 22,227 次的抽血肌酸酐數值，算出每個人腎功能下降的速度，追蹤 6.3 年。結果發現，後來發生重大心血管事件的人，事前腎功能每年平均掉 3.0，沒有發生的人每年掉 1.7；而每年掉超過 5 的「快速下降者」，風險是 4.11 倍。這條腎功能的線，在原本的腎功能數值之外，又多提供了預測資訊；同樣的結果，也在另一群第二型糖尿病病人身上重複出現。

為什麼腎臟會跟心臟有關？洪醫師的解釋是：身體的血管品質不好，往往不會只有單一條血管；供應腎臟的血管品質不好，供應心臟的血管可能也不太好。腎功能越掉越快，等於在暗示全身的血管狀態不太理想。

要特別注意的是，這個研究的對象全部都是第二型糖尿病病人，不一定所有健康的人都是類似的狀況。你可以做的是：回診時直接拿著數字問醫師——「我這個數值跟去年比起來往下掉了，這個下降的速度正常嗎？還是需要特別注意？」

📚 PubMed 實證補充

法國 SURDIAGENE 世代 1,040 名第二型糖尿病病人，6.3 年間共累積 22,227 次血清肌酸酐：後來發生重大心血管事件的人，eGFR 每年平均下降 3.0，沒發生的人每年下降 1.7（mL/min/1.73m²）；eGFR 每年下降超過 5 的「快速下降者」，校正後的風險是 4.11 倍（95% CI 3.09–5.45）。腎功能的變化軌跡，在原本的腎功能數值之外提供了額外的預測資訊，而且在另一個第二型糖尿病世代（DIABHYCAR）得到相同的結果（Ragot 等，Diabetes Care 2016，PMID 27222502）。

在不限糖尿病的族群，也有方向相近的台灣研究：台北市社區健檢資料中，64,732 位 65 歲以上、至少有兩次健檢的長者，eGFR 每年下降 5 以上的人，心血管死亡風險男性約 3.2 倍、女性約 2.8 倍（HR 3.24、2.83）（Huang 等，BMJ Open 2021，PMID 34548356）。研究族群、定義與結果指標都不同，數字不能互相套用。

五、血糖：除了平均值，也要看穩不穩

以第二型糖尿病病人來說，糖化血色素「起伏的大小」和死亡風險的關聯最一致；平均值在最高或最低的極端仍然重要，控制目標要穩定度和數值並重。

一個數字可以從三個角度看：平均值（大概是多少）、趨勢（是不是一直往上升或往下掉），以及波動（是不是忽高忽低）。洪醫師用兩台車來比喻：兩台車花一樣的時間開到終點，平均時速都是 100；一台從頭到尾穩穩開 100，另一台一下開 20、一下開 200、一下 30、一下 100 多——平均值一樣，但開法完全不同。

英格蘭一項基層醫療資料庫研究，追蹤 58,832 名第二型糖尿病病人，同時比較了這三件事。結果是：糖化血色素變化最大的 10%，和最穩定的 10% 相比，死亡風險將近 2 倍（HR 1.93）；平均值只有在最高或最低的極端才有明顯影響；而「一直往上升」的趨勢本身，在把其他因素一起考慮後，並沒有獨立的預測力。

這看起來跟前面「要看趨勢」好像矛盾，但其實醫學就是這樣：不同的病，要看那條線的不同性質——腎臟看掉多快，血糖看穩不穩。同一個研究也發現，如果看的是冠心病和缺血性中風的住院，反而是平均值比較有預測力。研究者的結論也是：血糖控制的目標，應該同時兼顧穩定度和數值本身。不管看的是趨勢還是起伏，前提都一樣：要有歷年的數字可以比較，單看一個時間點真的不夠。想了解長輩的血糖怎麼吃比較穩，可以參考〈長輩飲食別再只求清淡！醫師解析 3 招避開營養不良與血糖暴衝〉。

📚 PubMed 實證補充

研究用英格蘭基層醫療資料，在 2006–2009 年間估算 58,832 名第二型糖尿病病人糖化血色素的平均值、變異度（變異係數）與趨勢（年度斜率），再追蹤 2010–2015 年的死亡與急診住院。三者一起納入分析後：變異度和全因死亡呈現一致的「越不穩越高」關係；平均值只在分布最高或最低的 10% 才重要；趨勢沒有獨立的影響。最不穩定的 10% 和最穩定的 10% 相比，死亡風險將近 2 倍（HR 1.93，95% CI 1.72–2.16），這個關聯部分受低血糖影響、但無法完全由低血糖解釋。只有冠心病與缺血性中風的住院，是平均值、而不是變異度有預測力（Critchley 等，Diabetes Care 2019，PMID 31582426）。

六、血壓：除了平均值，也要看穩不穩

血壓除了平均值，病人「回診之間的收縮壓起伏」也是一個獨立的訊號。一篇整合 13 個前瞻性研究、77,299 名病人、平均追蹤 6.3 年的統合分析（把多篇研究的數據合起來重新計算，證據等級高於單一研究；不過整合的仍是觀察性研究）發現：回診之間收縮壓的起伏越大，全因死亡、心血管死亡與中風的風險都越高，而且這是在考慮年齡和平均收縮壓之後仍然成立。

要特別說明的是，這個風險是一點一點累積的：收縮壓的起伏（標準差）每多 1 mmHg，心血管死亡風險約增加 10%、全因死亡約增加 3%。它不是說「血壓忽高忽低就會怎樣」，而是代表「穩不穩」本身，就是平均值之外的另一個訊息。

在家量血壓，則是讓你和醫師看到更完整的數字：居家逐日的起伏能不能在平均血壓之外再多預測風險，研究結果並不一致，但居家量測本身是確認血壓、調整治療的重要依據。台灣推廣的「722」居家量血壓原則是：連續 7 天量、每天早上起床後與晚上睡前各量一次、每次量 2 遍（間隔 1 分鐘）；台灣心臟學會與高血壓學會的指引也提到，有心房顫動的人，每次建議量 3 遍以上，量測才比較準；血壓已經控制穩定的人，學會的共識建議至少每 3 個月做一次 722。把每一次的數字都留著，或用量血壓的 App 記錄，它會幫你把那條線畫出來，看得出是平穩的一條線，還是忽高忽低。只記「我大概平均 125 啦」是不夠的——平均掉了，就看不出有沒有波動。血壓量測的更多細節，可以參考〈高血壓沒症狀最危險！醫師破解 6 大迷思＋722 量測法〉。

📚 PubMed 實證補充

整合 13 個前瞻性研究、77,299 名病人、平均追蹤 6.3 年：在校正年齡與平均收縮壓之後，收縮壓回診間的標準差每增加 1 mmHg，全因死亡風險約高 3%、心血管死亡約高 10%、中風約高 2%（HR 1.03、1.10、1.02）（Tai 等，J Clin Hypertens 2015，PMID 25644682）；若改用變異係數來算，和心血管死亡的關聯就不顯著。居家量測的「722」與心房顫動者每次量 3 遍以上的建議，出自台灣心臟學會與台灣高血壓學會的 2022 年高血壓治療指引（Wang 等，Acta Cardiol Sin 2022，PMID 35673334）；2020 年的居家血壓共識也建議，血壓控制良好的人至少每 3 個月做一次 722（Lin 等，Acta Cardiol Sin 2020，PMID 33235411）。另一方面，日本大迫町 2,421 位一般民眾的居家血壓研究（中位追蹤 12.0 年）發現，居家血壓的變異度指標在平均收縮壓之外，幾乎沒有再多預測死亡或中風的能力（Asayama 等，Hypertension 2013，PMID 23172933）。

七、把歷年報告放在一起：醫院、健保與你自己能做的事

醫師在健保系統裡看得到的，多半是你用健保做過的檢查；自費健康檢查的歷年報告，常常只在你家的抽屜裡——所以記得把舊報告帶給醫師。

健保署有一套給醫師用的「健保醫療資訊雲端查詢系統」，可以查到病人近期在健保就醫的用藥、檢驗（查）、醫療影像等紀錄（衛福部說明）。自費健康檢查則不一樣：做完自費健檢，可以請醫療院所把結果上傳到健保署，這需要經過你的同意，上傳後會出現在你的「健康存摺」裡（健保署公告）。不過不是每家院所、每個項目都會上傳，醫師端能看到多少也取決於上傳了什麼——最好的方式，還是把歷年的健檢報告帶給醫師看。

如果你沒有做自費健檢，國民健康署的成人預防保健服務也提供公費健康檢查：30 到 39 歲每 5 年一次、40 到 64 歲每 3 年一次、65 歲以上每年一次（國民健康署公告）。每一次的報告都值得留下來。

病人也常問洪醫師：「那你自己做健康檢查，有沒有每次都把以前的報告拿出來看？」洪醫師分享，他在醫院工作，體檢也在醫院做，而他們醫院的體檢報告會把前一次的數值列在上面——一打開就知道自己前一次是多少，就算沒翻出舊報告，也能前後比一比。只是要把歷次全部印上去，報告會變得太雜、太厚，反而看不懂。

比較好的方式，是自己動手：不管是用 Excel，還是請 AI 幫忙（上傳前記得遮掉姓名、身分證字號與病歷號；AI 也可能抄錯數字，要和原報告核對），把歷次報告的數字整理進去、畫成一張圖，就能看出腎功能是不是慢慢變差、血壓是不是逐步上升、有沒有高高低低的起伏。這件事不用多花錢，只需要把家裡已有的報告拿出來，花一點心力整理。

八、健康檢查做越多，就越安全嗎？

不一定。早期發現的前提，是發現之後能做些什麼、而且真的能改善結果；否則，多做的檢查也可能帶來一連串原本不需要的檢查與處置。這不是叫大家因為怕發現什麼而不去檢查，而是要想清楚：我們檢查，是為了什麼？

2024 年一篇影像醫學期刊的研究，追蹤 70 位因為先前影像「意外」發現肺部 1 公分以上病灶、而接受全身正子電腦斷層的病人。其中 23 位的病灶判定為極可能良性，算是虛驚一場；但這 23 人裡，有 12 人（大約一半）又在全身掃描中被發現至少一個新的「意外發現」，總共 21 個：7 個是良性、1 個是已經轉移的惡性腫瘤、13 個到最後仍性質不明。其中一位病人，為了一個後來證實是良性的發現接受了剖腹手術，術中神經受傷，左腿留下永久的障礙。

洪醫師形容，這就像拉毛衣的一個線頭：人體本來就有大大小小、比較良性的發現，像小結節、小鈣化點、小囊腫，一旦寫進報告，就要追蹤處理；線頭一直拉，毛衣就開始散開。這個研究的情境是正子電腦斷層、人數也不多，不能直接套用到一般健檢，但它舉了一個具體的例子，說明「檢查越多不等於越安全」。

另一個例子是卵巢癌篩檢。英國一項大型隨機分派試驗，把 202,562 名停經後女性分成三組：每年做腫瘤標記（CA-125，搭配演算法判讀）篩檢、每年做陰道超音波篩檢，以及不篩檢，追蹤約 16 年。腫瘤標記組的疾病確實被早一點發現：第一期的診斷增加了 47.2%、第四期減少了 24.5%（不過整體第三、四期的減少並沒有達到統計上的差異）。但三組最後因卵巢癌死亡的比例，都大約是 0.6%，沒有明顯差別。研究結論是：不建議對一般停經後女性做這種卵巢癌篩檢。早發現了，卵巢癌的死亡卻沒有因此減少。

⚠️ 這不代表癌症篩檢都沒用：上面的結果，講的是「用腫瘤標記或超音波，篩檢一般風險的停經後女性的卵巢癌」；有家族遺傳等卵巢癌高風險的人不在這個研究裡，請和醫師討論適合自己的監測方式。有明確證據能降低該癌症死亡率的篩檢仍然很多，例如大腸癌的糞便潛血檢查、子宮頸抹片，以及高風險族群（例如長期大量吸菸者）的低劑量肺部電腦斷層——該做的篩檢還是要做。抽血驗多種癌症的新技術進展到哪裡、還有哪些限制，可以參考〈探索多種癌症早期檢測新里程碑：血液檢查的5大驚人結果〉。

📚 PubMed 實證補充

檢查瀑布研究：70 位病人中，23 位（32.9%）的肺部病灶在 PET/CT 上沒有葡萄糖攝取、極可能良性；這 23 位裡有 12 位（52.2%）又出現至少一個新的意外發現，共 21 個：7 個良性、1 個惡性（已轉移、無法治癒）、13 個性質不明（Sluijter 等，Clin Imaging 2024，PMID 38460254）。

卵巢癌篩檢試驗（UKCTOCS）：收案對象是 50 到 74 歲、排除家族高風險的一般停經後女性，共 202,562 人納入分析，依 1：1：2 隨機分到腫瘤標記篩檢、超音波篩檢與不篩檢三組，中位追蹤 16.3 年。腫瘤標記組第一期增加 47.2%、第四期減少 24.5%，但死於卵巢癌的比例三組都約 0.6%（296、291、619 人），篩檢組與不篩檢組沒有顯著差異；研究者的結論是：不建議對一般族群做這種篩檢（Menon 等，Lancet 2021，PMID 33991479）。

有證據能降低「該癌症死亡率」的篩檢：台灣 50 到 69 歲民眾的糞便免疫化學檢測篩檢計畫（追蹤約 500 萬人），有篩檢的人大腸癌死亡率比沒篩檢的人低（相對率 0.38），但這個比較含有「願意篩檢的人本來就比較健康」的偏差；校正這個偏差後，以整個族群來看大腸癌死亡率降低了 10%（Chiu 等，Cancer 2015，PMID 25995082）；台灣 1995 年全面推動子宮頸抹片篩檢後，子宮頸癌死亡率呈下降趨勢（死亡率趨勢資料；Su 等，BMC Public Health 2013，PMID 23297757）；美國的大型隨機試驗中，重度吸菸者每年做低劑量電腦斷層，和胸部 X 光相比，肺癌死亡率相對降低 20.0%，但低劑量電腦斷層的陽性結果裡有 96.4% 最後證實是偽陽性（Aberle 等，N Engl J Med 2011，PMID 21714641）——好的篩檢也有代價，所以篩檢對象要看風險。

九、這項檢查要不要做？先問自己一句話

決定要不要做一項檢查之前，先問自己：「知道這個結果，會不會改變我接下來的任何決定？」如果答案是會，這項檢查就有它的價值。

例如知道血糖偏高，你會趕快改變生活，讓血糖比較恢復正常，之後比較不會走到心血管疾病——這就是有價值的檢查。發現腎功能雖然還在正常範圍、但一直往下掉，就該好好調整生活；發現血糖越來越高，就該在走到糖尿病之前先處理。

癌症篩檢也一樣，要看每個人不同的風險，適合的篩檢項目也不同（已證實有效、又符合你年齡與風險的篩檢，仍然要做），所以很多國際醫學會都會依照不同的身體狀況與風險，建議不同的健康檢查項目。早點發現能改變結局的時候，早點知道才有價值；如果早三年知道和晚三年知道結局都一樣，多出來的那三年，可能只是讓人多緊張了三年。

十、AI 看的不是一次的數字，是「線的形狀」

【研究階段】一項針對慢性腎臟病病人的日本單一醫院研究顯示：AI 推估風險時，看的正是「一連串數字的走勢」，而不是單一次的數值。當你知道自己風險比較高，再去做檢查、改變生活或提早處理，這樣的預測才有價值。

日本一項研究，從一個 118,584 人的醫院電子病歷資料庫中，挑出符合慢性腎臟病條件的病人建立模型，預測他們會不會在兩年內腎功能快速下降（下降 30% 以上）。模型的特徵用的是尿蛋白、血壓、血紅素等檢驗值的「時間序列」——結果尿蛋白經過時間平滑後的平均值，在兩種模型裡都是最重要的前兩名特徵，尿蛋白「正在上升」本身就是重要的預警訊號。換句話說，連 AI 都不是只看單一次的尿蛋白，而是看一連串的變化。

不過它不是算命：這兩個模型的整體判斷能力約 0.71 到 0.73 （AUC；滿分 1.0、亂猜是 0.5），屬於中等程度，比只看一次的數字準一點，但遠不是百分之百；而且這是單一醫院、慢性腎臟病病人的預測模型，還沒有證明能直接用在一般健檢。這類研究支持的是「尿蛋白的走勢能預警」；至於把尿蛋白降下來能不能延緩腎功能惡化，要看另外的治療研究——整合多個隨機試驗的分析發現，在治療試驗中，白蛋白尿降得越多，腎臟惡化的風險平均也越低；但這是試驗層級的平均關聯，不等於自己把尿蛋白降下來就保證護腎。

📚 PubMed 實證補充

這個日本研究的醫院電子病歷資料庫共有 118,584 人，其中 19,894 人（16.8%）符合慢性腎臟病條件。研究把「兩年內 eGFR 下降 30% 以上」定義為快速惡化，用尿蛋白、血壓、血紅素的縱向檢驗資料（包含越近期權重越高的「7 天指數平滑平均」）建立兩種機器學習模型，整體判斷能力分別是 0.71 與 0.73；尿蛋白的 7 天指數平滑平均在兩種模型裡都排進最重要的前兩名，尿蛋白呈上升趨勢，是腎功能快速下降的重要預測因子（Inaguma 等，PLoS One 2020，PMID 32941535）。

降低白蛋白尿的治療研究：一篇整合 41 組隨機試驗治療比較、29,979 名受試者（71% 有糖尿病）的統合分析發現，治療讓白蛋白尿比對照組多降 30%，腎臟惡化（末期腎臟病、eGFR 低於 15，或血清肌酸酐加倍）的風險平均低 27%（95% BCI 5–45%），在基線白蛋白尿較高的人關聯更明確（Heerspink 等，Lancet Diabetes Endocrinol 2019，PMID 30635226）；2026 年擴大到 48 個隨機試驗、85,681 名受試者的分析，同樣多降 30%，風險平均低 19%（95% BCI 5–30%）（Heerspink 等，Nat Med 2026，PMID 41198855）。這些是試驗層級的平均關聯、不確定範圍也寬。

如果發現尿蛋白偏高，要好好跟醫師討論、好好追蹤；尿蛋白過高怎麼改善，可以參考〈選對藥物改善蛋白尿與保護腎功能~2類三高藥物的角色〉。

十一、今晚就能做：把幾年的健檢報告疊在一起

把最近幾年的健康檢查報告找出來、疊在一起，同一欄往下看：腎功能（腎絲球過濾率）、糖化血色素或空腹血糖、血壓。一欄一欄，各看各的三年，看兩件事：

是不是一直往同一個方向走、越來越差？即使都不是紅字，連續往壞的方向走，就值得注意。
是不是高高低低、波動很大？「波動是警訊」的研究，主要來自糖尿病與高血壓病人的資料；沒有這些病的人，數值的起伏代表什麼還不確定，所以更值得帶去請醫師看。

可以用電腦或 AI 幫你整理、把歷次資料畫成圖。看到變化，不要自己下判斷，帶著舊報告去問你的醫師——就像開頭情境裡那位腎功能從 95 掉到 78 的人，不一定是好或不好，但應該再檢查、繼續追蹤，而不是因為「不是紅字」就當作沒問題。

洪醫師說，健康檢查報告不是一張單獨的成績單，它比較像一部影片裡的其中一格：單看一格，你看不出畫面是在往前跑、往下墜，還是往上爬；要把它變成連續的影片，才知道自己是往上還是往下。如果今天只能帶走一句話，就是這一句：一個數字本身的價值沒有那麼大，一條連續的線，才更能讓我們知道自己的健康狀況。還有一句是所有人都該學會的：做健康檢查之前，先想好「知道這個結果，會改變我接下來的決定嗎？」

❓ 常見問題 Q&A

健檢報告沒有紅字，就代表沒問題嗎？

不一定。紅字只代表這一次的數值落在參考範圍外；沒有紅字，數值也可能正一年一年往壞的方向走。例如腎功能從 95 掉到 78，雖然還在正常範圍，仍值得再檢查、繼續追蹤。最好的做法是把歷年報告放在一起比較，有變化就帶去問醫師。

健檢報告出現紅字，一定是生病了嗎？

不一定。多數檢驗的參考範圍取自健康人中間 95% 的數值，本來就有約 5% 的健康人會落在範圍外；但也有一些是臨床決策切點（例如空腹血糖 126 mg/dL 是糖尿病的診斷切點）。不論是哪一種紅字，都應該拿給醫師判斷，並和過去的數值比較。

腎功能每年下降多少要注意？

腎功能在多數人身上會隨年齡慢慢下降，健康、沒有高血壓的成人每年大約下降 0.37 到 1.07 mL/min/1.73m²；重點是下降的速度與你本來的風險。在一項第二型糖尿病病人的研究中，腎功能（eGFR）每年掉超過 5 mL/min/1.73m² 的人，之後發生重大心血管事件的風險是 4.11 倍。每個人的狀況不同，看到數值一年比一年低，請帶著歷年報告問醫師：這個下降速度正常嗎？

📚 參考文獻

Jones G, Barker A. Reference intervals. Clin Biochem Rev. 2008;29 Suppl 1(Suppl 1):S93-7. PMID 18852866
Ozarda Y, Sikaris K, Streichert T, et al. Distinguishing reference intervals and clinical decision limits - A review by the IFCC Committee on Reference Intervals and Decision Limits. Crit Rev Clin Lab Sci. 2018;55(6):420-431. PMID 30047297
Wong TY, Liew G, Tapp RJ, et al. Relation between fasting glucose and retinopathy for diagnosis of diabetes: three population-based cross-sectional studies. Lancet. 2008;371(9614):736-743. PMID 18313502
Warnick GR, Myers GL, Cooper GR, et al. Impact of the third cholesterol report from the adult treatment panel of the national cholesterol education program on the clinical laboratory. Clin Chem. 2002;48(1):11-17. PMID 11751533
Phillips WR, Thompson DJ. Multi-channel laboratory testing and the unexpected abnormal result: a statistical myth corrected. N Z Med J. 1981;94(698):462-464. PMID 6950296
Grams ME, Sang Y, Ballew SH, et al. Evaluating Glomerular Filtration Rate Slope as a Surrogate End Point for ESKD in Clinical Trials: An Individual Participant Meta-Analysis of Observational Data. J Am Soc Nephrol. 2019. PMID 31292199
Guppy M, Thomas ET, Glasziou P, et al. Rate of decline in kidney function with age: a systematic review. BMJ Open. 2024;14(11):e089783. PMID 39609029
Ragot S, Saulnier PJ, Velho G, et al. Dynamic Changes in Renal Function Are Associated With Major Cardiovascular Events in Patients With Type 2 Diabetes. Diabetes Care. 2016. PMID 27222502
Huang YJ, Hsu YL, Chuang YH, et al. Association between renal function and cardiovascular mortality: a retrospective cohort study of elderly from health check-up. BMJ Open. 2021;11(9):e049307. PMID 34548356
Critchley JA, Carey IM, Harris T, et al. Variability in Glycated Hemoglobin and Risk of Poor Outcomes Among People With Type 2 Diabetes in a Large Primary Care Cohort Study. Diabetes Care. 2019. PMID 31582426
Tai C, Sun Y, Dai N, et al. Prognostic significance of visit-to-visit systolic blood pressure variability: a meta-analysis of 77,299 patients. J Clin Hypertens (Greenwich). 2015. PMID 25644682
Wang TD, Chiang CE, Chao TH, et al. 2022 Guidelines of the Taiwan Society of Cardiology and the Taiwan Hypertension Society for the Management of Hypertension. Acta Cardiol Sin. 2022;38(3):225-325. PMID 35673334
Lin HJ, Wang TD, Yu-Chih Chen M, et al. 2020 Consensus Statement of the Taiwan Hypertension Society and the Taiwan Society of Cardiology on Home Blood Pressure Monitoring for the Management of Arterial Hypertension. Acta Cardiol Sin. 2020;36(6):537-561. PMID 33235411
Asayama K, Kikuya M, Schutte R, et al. Home blood pressure variability as cardiovascular risk factor in the population of Ohasama. Hypertension. 2013;61(1):61-69. PMID 23172933
Sluijter TE, Yakar D, Roest C, et al. Does FDG-PET/CT for incidentally found pulmonary lesions lead to a cascade of more incidental findings? Clin Imaging. 2024. PMID 38460254
Menon U, Gentry-Maharaj A, Burnell M, et al. Ovarian cancer population screening and mortality after long-term follow-up in the UK Collaborative Trial of Ovarian Cancer Screening (UKCTOCS): a randomised controlled trial. Lancet. 2021. PMID 33991479
Chiu HM, Chen SL, Yen AM, et al. Effectiveness of fecal immunochemical testing in reducing colorectal cancer mortality from the One Million Taiwanese Screening Program. Cancer. 2015;121(18):3221-3229. PMID 25995082
Su SY, Huang JY, Ho CC, et al. Evidence for cervical cancer mortality with screening program in Taiwan, 1981-2010: age-period-cohort model. BMC Public Health. 2013;13:13. PMID 23297757
Aberle DR, Adams AM, Berg CD, et al. Reduced lung-cancer mortality with low-dose computed tomographic screening. N Engl J Med. 2011;365(5):395-409. PMID 21714641
Inaguma D, Kitagawa A, Yanagiya R, et al. Increasing tendency of urine protein is a risk factor for rapid eGFR decline in patients with CKD: A machine learning-based prediction model by using a big database. PLoS One. 2020. PMID 32941535
Heerspink HJL, Greene T, Tighiouart H, et al. Change in albuminuria as a surrogate endpoint for progression of kidney disease: a meta-analysis of treatment effects in randomised clinical trials. Lancet Diabetes Endocrinol. 2019;7(2):128-139. PMID 30635226
Heerspink HJL, Collier WH, Chaudhari J, et al. A meta-analysis of albuminuria as a surrogate endpoint for kidney failure. Nat Med. 2026;32(1):281-287. PMID 41198855