黃瀛賢、郭和昌

川崎症為兒童後天性心臟病的主因，主要好發於五歲以下兒童， 台灣每年約有 1,000個川崎病童。亞洲鄰近國家，如日本、韓國、台灣和中國，幼童罹患川崎症的頻率是美國和歐洲的 10 倍以上。而目前川崎症的診斷皆為由醫師之主觀性判別症狀，較缺乏客觀性之檢查數據。貧血也是川崎患者常見的臨床表現， 鐵調素(hepcidin)與發炎相關的貧血息息相關，2012 年我們團隊領先全球首度發現川崎患者血液中的鐵調素增加，鐵調素的增加會使病患產生短暫的缺鐵性貧血。 另外，我們在川崎患者的基因甲基化晶片結果中，也發現鐵調素基因(HAMP)甲基化程度降低， 本技術為利用酵素免疫分析法(ELISA)檢測血液中的鐵調素，以及合併分析鐵調素基因的甲基化程度結果作為指標，本發明之分析過程僅需要少量血液檢體，且上機不需耗費太多時間。利用機器學習演算法(support vector machine, SVM)建立一套具有高準確度的診斷模型，對於診斷川崎症有非常好的準確度。 靈敏度(sensitivity)達到 100.00%，特異度(specificity)也達 98.65%， ROC曲線面積為 1。

川崎症診斷不易，能及時診斷並給予適當的治療，可避免產生川崎症最嚴重的併發症--冠狀動脈瘤。 我們的創新測試已獲得台灣、日本、澳洲和韓國的專利，及第18屆國家新創獎。