耳聞新思維久矣，早些年處在一個有點鄙夷的狀態。直到自己真的成了 young V （年輕主治醫師），開始有臨床、學術兩方夾擊的壓力，才發現事情沒有想的那麽簡單。工作忙碌之餘要如何做好穩定的學術輸出，同時兼顧一部分的生活品質其實是蠻困難的事情。看到 08-19 這個週末有一堂醫學寫作與論文工作坊，遂報名參加。簡單寫下我對課程的想法：

1. 論文每段怎麼寫：
   1. 拆解成四大段十六小段，分別介紹了各段的成份
   2. 優點：什麼該寫、什麼不該寫有帶過
   3. 缺點：似乎是針對好上手的 cohort 為主。另外關於什麼該寫的部分是用中文介紹，著重在邏輯，但其實我想看更多的例子。
2. 統計圖表與文稿排版
   1. 介紹了圖表、草稿該注意的地方
   2. 優點：講的很清楚；後續做出來的圖也確實十分美觀
   3. 疑惑：講者說目前的編輯已經比較沒要求按照傳統排版規範（如兩倍行高、圖片額外放文件），但似乎還是因出版社而異？
3. 統計基礎課及圖表實作
   1. 簡潔有力的介紹了基本的檢定選擇；資料量大需要先做常態分佈檢定，然後若允許就做基於常態分佈的假說檢定。
   2. 優點：分支樹式的選擇法
   3. 缺點：內容略為簡陋，不過可能時間上也很難涵蓋進階主題（例如 ROC curve、存活分析）
4. 製圖手作課：MedCalc 確實好用，製圖策略跟教學也很清晰。不過因為我本來就會用 R 畫圖了，我覺得相對沒那麽驚艷。不過畢竟寫程式很麻煩，有在考慮入手一套永久授權的 MedCalc。
5. 期刊選擇策略
   1. 主要集中在介紹 mega journal 和 predatory journal
   2. 優點：介紹了幾種期刊選擇工具（例如 Jane Journal Estimator）
6. 研究計畫申請及撰寫策略
   1. 我自己有寫過計畫、也被打過槍。科裡有很會寫計畫的前輩有跟我私下分享過，所以我覺得這堂收穫就一般般。
   2. 優點：知道新進人員有加分效果（五年內）。應該趕緊明年寫個計畫出去累積 reputation 跟履歷項目。
7. 時間安排及各種問答：
   1. 蔡校長的問答時間，很犀利直白，也點出了臨床醫師的學術生涯是一種苦行。其實我也知道帶狀、大塊時間好重要，但有時候下班真的只想休息唉…
   2. 提到了如何跟大師們合作，很有感。目前有跟著阿吉醫師做研究，進度都是按天計算的。沒有什麼兩週、三週。

整體來說，我自己沒有尋找指導老師的困擾。同時我覺得在我想聽的論文寫作、如何敲定假說並驗證的細節部分著墨較少，而花了不少時間（三小時）讓大家練習製圖（雖然製圖本身有趣，而且我做完還是有細節忽略，汗）。總結來說，有收穫、但沒有想像中多。如果價格能再打個七折的話，我會推薦仍在自行摸索的 PGY / junior R 去的。

目前已經拋棄之前的論文工具鏈，改用 Zotero 做學術文獻的整理，可參考測試 Zotero 一文。我個人認為，論文筆記最好跟隨在原文旁。然而又要能方便搜尋。怎麼辦呢？這時候就要使用筆記匯入的功能了。一樣，需要 BBT 和 Obsidian Zotero Integration 模組。一些需要的前置作業如下：

• 設定 BBT 中的 citation key。原本的格式是「姓氏 + 標題前三字 + 年份」可增加唯一度，但是看了礙眼。
• 原本的缺點是搜尋功能只能找檔名，但是 citation key 其實很難搜尋。錄入論文全名又十分冗長。還好最近 Obsidian 開通了 properties 功能，可用 aliases 來記錄論文名稱，而 aliases 中的名稱也可通過搜尋來創造雙向連結。
• 將論文筆記通過 import 功能同步進來。目前唯一的缺點是沒辦法從 Obsidian 跳到 Zotero 的對應論文本體。

我的論文閱讀及與「知識網」Obsidian Canvas 的串連過程如下：

• 閱讀論文，在 Zotero 中做摘要及筆記
  • 記得在筆記中設置 YAML 格式的 aliaese
• 打開要添加論文的 Canvas
  • 使用 import 功能匯入對應論文
  • 在 Canvas 頁面通過搜尋功能即可添加論文筆記。
• 如果需要額外整理論文內容當作卡片，可以從 Canvas 中複製貼上

Obsidian Canvas

在 Heptabase 掀起一股筆記架構視覺化的潮流後，Obsidian 那中看不中用的知識網路功能被深切的檢討。於是在正式版發布沒多久，Obsidian 就複製出了接近全功能的 Obsidian Canvas。由於前一陣子 Heptabase 有宣佈了月費鎖定方案，所以我就訂購了一個月試用。經過我一個功能一個功能的比對，Canvas 還是有一部分的缺點跟差異，列舉如下：

• 複製部分筆記成為新卡片這個功能在 Heptabase 中做的比 Obsidian 直觀很多。在 Obsidian 中，會需要 refactor 這個模組，設定好後，可以獲得一套快捷鍵，並要求以選取段落的首行作為檔名。
• Obsidian canvas 無法真正地讓兩則筆記關聯起來，所以沒有辦法像 heptabase 那樣回溯筆記創建的場景。
• 操作體驗上，Heptabase 相對滑順。

最多 hepta-cult 詬病的就是 Obsidian 中所有筆記皆是檔案的作法，會讓創建卡片相對麻煩（需要先設計檔名）。Obsidian 的解方除了剛剛提到的 refactor 外，還可以先寫成卡片並調整大小容納長文，待穩定後，可一鍵轉換成 markdown 筆記。到時候再來指定檔名，如此一來比較不會干擾整體性的思考。

Obsidian Properties

Properties 是以前的 YAML front matter 的大進化版。在不變動文字檔的情形下提供了很多功能：

• 內建的 aliases、tags 支援：
  • 位在 aliases 的內容可以當作檔名搜尋 - 所以我才能維持簡潔的 citation key 檔名同時能快速搜尋我要的文件
  • 位在 tags 內的內容會被視為同本文中的 tag
• 支援下來式選單：可以跨文件的汲取多文件 front matter 內的內容，不擔心搞混，大幅強化了 dataview 的威力
• 支援雙向連結：[[]] 現在可以視為文件的一部分

在這個設計下，front matter 的玩法豐富了很多，也規避了命名重複的問題。關於雙向連結的部分，目前還在摸索。

目前有一個業務是心臟（冠狀動脈）的電腦斷層攝影，其中最主要的項目是評估血管狹窄程度，供心臟科醫師參考是否有需要介入。不過，報告本體跟需要呈現給臨床醫師看的資訊會有所不同。報告本體追求的是「不遺漏」，所以是按照解剖部位嚴格劃分每一個血管段（segment）。臨床醫師需要的是「最狹窄」的段落其狹窄程度以及最終分數（CAD-RADS）。中間的轉換步驟我認為很適合給 GPT-4 進行。

在我提供了幾次來自結構化報告的文本（不含病患資訊）以及我自己喜歡的整理格式後，GPT-4 似乎稍為學會了。於是我請它將它目前所學會的格式輸出成可復用的 prompt。因為有時候 chatGPT 會越改越壞，所以有點像是隨時保存訓練好的部分。最好在 Prompt 中包含一部分的範例，這樣它運作起來會更順利。目前還是期待之後 ChatGPT 開放 fine-tune 後的成果。

下面是我要求 ChatGPT 自行總結並輸出的 prompt，比我想像的複雜很多。幾乎可以看成給給研究助理的指示文件。我想最好的方式是組建出一個自帶 LLM 的報告系統，然後可以根據需求點選不同的 prompt。

Prompt: I will provide the ‘Content’ of cardiovascular stenosis evaluation report, including information about each artery, plaques, and stenosis grades. and also any additional context or specific requirements. I will need you to convert the input to the specific output format.

Input:

1. Artery Name: Stenosis or other findings
   1. Specific Area: Plaque Type; Stenosis Grade (Percentage Range), Exact Percentage
2. (Repeat for all relevant arteries and areas)
3. Additional context or specific requirements: (If any)

Output: Summary arranged from severe to minimal stenosis, and list the plaque type as below:

1. Severe stenosis
   1. with (Plaque Type) in (Specific Area) (Exact Percentage)
2. Minimal stenosis (can ignore the plaque type)
3. (Repeat for all stenosis grades)
4. (Other relevant findings)

最近在思考工作與生活的平衡。或許要更好的管控精力。

重啟我的 Emacs 設定檔

找到一個名叫 code-cells 的 elisp 模組。若加上我之前設定好的 pyvenv 和 copilot，就能搭建好簡易的腳手架。之前試過 Doom Emacs，但還是覺得自己拼湊的設定檔最為舒適。目前主要使用 Emacs 來寫一些小工具程式，所以也不需要太複雜的功能。

1Password 的輸入框 bug

這週發現 1password 的輸入框有點小 bug。在使用拼音輸入法時，如果不切換成英文直接輸入英文字且連續輸入兩個子音時，1password 會把它們解析為單一的子音字母。例如，當我打 “Reflect” 時，它會變成 “re f le c t”。已經回報，希望下個版本能解決。

病理聯合討論會

下個月要負責擔任病理聯合討論會的講者。教學部負責人打電話來聯絡會前會的時間。我告訴他們我下週的三、四、五在總院，可是他們卻直接告知說：其他醫師週二可以，所以開會就定在週二，並請我務必出席。完全沒有問的意思 Orz 這個時間安排有些強人所難。後來找阿吉主任討論整個流程，他說其實這個會是一非正式的、檢視年輕主治醫師的場合。主委和一級主管們全都會出席，所以大家都會盡量配合。

試用了 Icecube。主要是 Metatext 的多帳號切換並不方便。然而經過一陣子的密集使用，我發現 Icecube 每則非主語言的貼文下都有一個惱人的「translate」按鈕，有些煩躁。加上它能自設字體，但 UI 的字體卻不能改，十分不協調。於是我又換回了 Metatext。至於電腦端，我還是繼續使用 Tut。

退出薩爾達社團

買了「薩爾達：王國之淚」後，也加入了一些社團嘗試挖掘遊戲的秘密。然而，社團裡總是有一些人在討論說人馬怎麼好簡單打、boss 的難度如何低。如果他們覺得這遊戲太簡單，應該左轉去隔壁棚玩魂系遊戲。

IFTTT 的變動

IFTTT 的 Twitter applet 上上週開始不能再使用了。查了一下，發現又限縮了免費用戶的權利，包裹只能使用兩個 applet（原本三個），以及 Twitter applet 限制付費，所以我只能用 Twitter 網頁或 app 發文。迫於存檔到 DayOne 的需要，最後訂閱了 IFTTT Pro。雖然我有一個私人的 n8n，但是它沒有我需要的幾個功能，例如每個月打電話給我的 Google Voice。所以我還是需要付費使用 IFTTT。得慢慢地把過去用的、但是因為免費版降級而 archive 的各種功能挖回來了哈！

蒼藍鴿的醫學百科廣告一直打到我牆上，真是神煩，全部隱藏了。最近總是聞到燒焦味，打算去找個耳鼻喉科做個內視鏡檢查。問了懂的人，他們說可能是（疑似）慢性鼻竇炎的症狀，不過我還是得確定一下鼻腔跟腦部沒有大問題。下次健檢就順便點個腦頭頸套餐吧。

RSNA trainee editor

他們在申請資格上最近出了要求：固定在寫 tweetorial （即推特教學文）或者是 vlog，真是有趣 XD 看來我得來重啟分身帳號辦事了。

ClearRead 大好

我們有個大佬似乎已經無法擺脫依賴 LDCT AI 軟體幫忙抓 nodule。上週軟體接口出了問題（網點壞掉還啥的），他勃然大怒說無法打報告。負責機台的放射師無奈地回答：「那過去 20 年您是怎麼打的啊？」真是好笑。

參觀台灣癌症醫學聯合學會

這週末混入了台灣癌症醫學聯合學會的會議，主要是去捧場未來去 UCSF 要跟的一個醫師 Jae 的演講。他介紹了他在做的 0.55T lung MR 以及其他技術。看看別人 V2、再看看我們的 V2，真是差異甚大呀！

年會現場意外撞見彭汪嘉康醫師走來走去，真是神奇！她可是台灣醫學界的傳奇人物，台灣第一個女外科醫師，人稱台灣癌症醫學之母。人稱台大十三太保的內科教授都是她的門徒。

Tailscale 通過 NAT 穿透（NAT traversal），讓在防火牆及路由器後的多部設備之間形成直連網路，打到虛擬區網的效果。

用一句話摘錄基本的技術概念，有點類似雙方互相預先「知道」進出端口資料然後穿過防火牆：

So, to traverse these multiple stateful firewalls, we need to share some information to get underway: the peers have to know in advance the ip:port their counterpart is using.

當然，還有更多細節的技術問題，例如 STUN 協議等，可以參閱 How NAT traversal works。看完後學到不少網路基礎協議的知識。

個人用戶目前免費，最多可以連結 20 部設備。最近公布的新方案還把原本屬於付費專業用戶的 subdomain 等功能給了個人用戶。安裝很容易，幾乎是零設定：

1. 主流 Linux 發行版及 Synology 作業系統都可以從官方來源安裝。
2. macOS 及 iOS 可以從商店安裝

需要綁定商業服務做 SSO。我是使用 Github 來登入。目前我在我的工作站、常駐迷你主機及 NAS 都配置了 Tailscale。可以很方便的從院內公共無線網路安全訪問。醫院的公共 Wi-Fi 不知為何會鎖 SSH 連線，導致我每次要連回家裡的工作站都要開 Proton VPN，十分卡頓。

最近程式遇到了一系列執行效能上的瓶頸，主要是被 Python 的 GIL 限制住，於是打算往 Julia 方向遷移。除了複習之前學過的基礎語法外，也嘗試：

• 將之後的程式碼轉用 Julia 完成
• 逐步遷移目前的研究用程式碼為 Julia
• 暫時不能替代的部分用 pycall 呼叫

底下是這次的遷移所用到的庫。未來有學到新的庫也會做筆記以免遺忘。

Combinatorics.jl

Combinatorics 是一個排列組合計算工具。提供了各種基於 factorial 所衍生的排列組合計算公式，包括基本的 combination 及 permutation，以及諸如 partitions 等工具。

Distances.jl

因為我的專案需要計算 Hamming distance，所以參考這個組合。除了 Hamming 外，其實比對兩個高維空間座標還有很多算法，例如 Cosine distance & Euclidean distance。用法如下：

r = Euclidean()(x, y) # as type
r = euclidean(x, y) # as function

也可以應用與大規模計算，例如作為 pairwise 或 colwise 的輸入函數。

IterTools

官方擴展庫，與 Python 的 itertools 是類似的生成器工具。使用範例如下：

using IterTools

for i in imap(+, [1,2,3], [4,5,6])
    @show i
end

生成式大爆發

這週真的是各種資訊漫天飛舞，完全沒有時間好好吸收便有有更勁爆的消息出來。除了姍姍來遲的 Google Bard，還有 Nvidia Foundations 及 MSFT Loop。不過我認為最大條的還是 ChatGPT plugins

添購外部設備

我本來想說只要買個便宜的雙 HDMI DisplayLink 擴展器，想不到我的兩個現役螢幕竟然都需要 DisplayPort 接頭才能運作。加上希望能一次部署三個螢幕和控制滑鼠鍵盤的 USB 外接，最後只好忍痛買了昂貴的 Belkin Universal Hub。

本週因為有科內資深醫師請假，工作量增加；加上研究壓力，事情非常地多。真希望住院醫師能多給力一些，節省我打報告的壓力。

運行 Alpaca.cpp

有人基於被外流的 LLaMA 架構跟 Stanford U 逆向出來的參數設計了一款名叫 Alpaca.cpp，能運行於本地端的（不需要聯網）的類 chatGPT 軟體。不過，完全是不堪使用，根本不照著 instruction 走，結果也不對 XD 看來我想像中報告可以用本地 GPT 清理還需要一兩年時間。不過這東西可能挺適合用來練習日常會話。

購買 MBP M2 Pro

我現在的工作主力是 2018 年買的 Intel i7 core MBP。經過五年的奮戰之後，靠著外接顯卡盒續命至今，但是在處理較複雜的任務時容易滿載。去年 M1 max mac studio 跟 M2 出來的時候躍躍欲「購」，不過在比較了一下分數之後覺得可以再等等。如今 M2 pro 已出便不想再等，一開售就即刻入手。畢竟速度就是生產力。

更新一下各個設備在 Geekbench 6 的跑分成果（會與去年用 Geekbench 5 的跑分有些微落差）。Workstation 的部分，顯卡從 Nvidia 1080Ti 換成 Nvidia 4090，分數暴增，十分驚人。

購買 SteamDeck

SteamDeck 為了歡慶一週年特價 10% off。我看到這個新聞之後立刻下單訂購。最初半年有產能問題，而且我剛換了 Nvidia RTX 4090 顯卡，也可以用 PS5 玩遊戲，應該不需要買一個小型掌機吧？不過看了極客灣的深度評測以及大人學等一眾 KOL 的好評之後，覺得還是可以考慮入手。

SteamDeck 操作方式跟介面類似 Switch，遊戲進行到一半可以隨時暫停、繼續，很適合睡前玩各種 Indie（獨立遊戲）以及模擬器內的老遊戲，同時也可以外接底座連結螢幕（不過應該用不到，所以我沒有買，畢竟我 PS5 內也有很多遊戲等待去玩）。

以 18 世紀的霍格華茲為背景的遊戲，講述了妖精叛亂以及遠古魔法之間的故事。我大約用了 25 小時玩完主線跟重要的幾個支線。遊戲極大程度的還原了魔法世界，同時也把小說中沒有很具象的活米村重建的栩栩如生。我個人覺得遊戲很適合給比較少玩電動的愛好者，戰鬥難度不算高，探索樂趣也蠻足夠的。

不過，我個人認為缺點也不少，以下羅列：

• 巫術選擇很少：絕大部分都是為了滿足劇情而設計的。相比之下，艾爾登法環的法術有不同的流派（荊棘、輝石、月亮、重力、死亡系等）。不過，這鍋應該推給 J.K. Rowling 當初設計沒有考慮到這麼複雜的系統，而是單純把各種動詞魔法化。
• 敵人戰鬥方式單調：受到巫術限制，敵人的攻擊模式也很單調。不外乎就是各種攻擊咒跟化獸師變狼襲咬。
• 裝備沒有特色：每個裝備都是加攻防、降冷卻之類的。而且還有一個缺點是設定了外觀後，下次換裝又會被換回來。
• 怪物跟奇獸種類稀少：這點跟薩爾達很像，魔獸就那麼幾種，到處都是色違版本。不過，因為怪物跟奇獸是作為道具及升級素材來源，所以我覺得還可以接受。
• 解謎遊戲太過重複：這點則跟薩爾達完全相反，薩爾達曠野之息的神廟各個都是精妙無比的設計，但是梅林的謎題實在是很無趣。
• 索命咒無敵般的存在：索命咒會在遊戲很後期解鎖。然而我很多跳過很多支線任務，等拿到後那些應該棘手的小關卡 boss 全部都是秒殺。我認為應該要用某種形式的系統，例如道德點數，來制衡索命咒的使用。

我的角色，拍攝於中央樓梯區域。

ChatGPT 使用了兩個月，是非常不錯的私人顧問兼助手。我拿它來：

• 修改文章（改的更通順）並微調詞彙
• 從關鍵字筆記產出文本
• 摘要論文內容，或是逆向出論文程式碼
• 詢問各種程式、機器學習問題
• 翻譯（這部分和 DeepL 各有千秋）

目前看來要問數學問題可能比較困難。最近看另名網友評論 ChatGPT，覺得很不錯，節錄一段如下：

因為搜索引擎是基於統計的反向鏈接而並不是基於知識的關聯來整理數據庫的，你用搜索引擎，每次搜索都是在龐大數據中淺淺的搜索一次，前後問題之間沒有關聯。ChatGPT 其實是一個知識漏斗模型。所以，搜索引擎往往耗費精力卻找不到知識，而 ChatGPT 可以很快找到知識。

最近看到不少人跟風用上了 ChatGPT，但是顯然過度高估語言模型的能力了。直接丟一個空泛的問題，要求 ChatGPT 給出詳細論述，這不是正確的用法。我最近測試了他的基本推理及結構化文本能力，效果很兩極：

• 從不同醫師的報告中還原出 JSON 格式的結構化數據：很不錯
• 從 LDCT 的報告中推估 Lung-RADS 分數：很糟糕

所以跟我想的一樣：做文字的處理非常強大（擴充、摘錄、風格改寫），然而要進行推論還是非常困難。不過最近 bingGPT 似乎展現了部分的推論能力，拭目以待其表現。

MathJax 渲染

目前數學部分是會返回 LaTeX 程式碼，且以 $$ 符號包圍。因此，只需要通過 UserScript 注入 MathJax 程式碼就能讓其渲染數學式了。這對我在詢問基本的數學原理的時候十分有幫助。相關工具網址是：ChatGPT LaTeX auto-render，需要使用者對這些工具有基本的認識。

Grammerly-like 英文修訂

主要是閱讀了這篇文章 ChatGPT v.s. Grammarly: Which does a better job?，裡面比較了各種修正，並介紹了一個能使用 ChatGPT 做修正的工具 EditGPT 以及 prompt。EditGPT 是一個前端外掛（現在有很多 ChatGPT UI 外掛），能夠一鍵開啟修訂前後的比較。我一看到這東西就立刻刪除、退訂 Grammarly 了！

主治醫師的第二個月，報告打的稀裡糊塗。有些很不明顯的打起來就十分害怕。肺部結節也是；目前科部內正在試驗 UCB / UCSF 的 Adam Yala 教授的 Sybil 預測模型，可以推論 Lung-RADS 1 或 2 等級結節的可能風險，十分令人興奮。

整合部落格「週記」與 Obsidian weekly note

安裝了 Periodic notes 後，會增加週、月、季、年記錄功能。日曆區域的週數部分則變成可點擊的項目。最近在整合 Daily notes，想到如果要維持可持續性的週記習慣，讓兩者結合或許是一石二鳥的作法 - 既回顧、且記錄。

更新 Apple 系產品的 TTS 引擎

最近跟狸貓上師討論到 TTS，我評價到：「如果 macOS 的引擎能有 Edge 瀏覽器的水準就好了」，結果狸貓上師跟我說他目前用了個內建 Evan 覺得很不錯。我打開 TTS 選項，發現原來 Apple 又更新了一大批引擎。我選擇了美式發音、最高階版本的 Zoe Premium，效果非常不錯。如果是用來閱讀文章或電子書，很適合用此引擎發音。

Reticulate 是 Rstudio 推出的一個項目，旨在從 R 程式碼中，以 R 的語法呼叫 Python 物件和函數。

install.packages('reticulate')

library('reticulate')

os <- import('os')
os$listdir(".")

numpy <- import('numpy')
y <- array(1:4, c(2,2))
x <- numpy$array(y)

numpy$transpose(x)
numpy$linalg$eig(x)

四年前買 PS4 pro 便同時買了「最後生還者 Remake」；遊戲初期有些悶，不過後面進入劇情後搭配上緊張刺激的戰鬥，玩起來欲罷不能。後來第二章（part II）出來後也是早早預定。

第二章（Part II）出來之後獲得了極端兩極化的評價。遊戲本身評分拿了 10/10 並奪得當年 TGA 最佳遊戲大獎。然而玩家是罵聲一片。除了雙主角、雙主線的玩法外，遊戲還設計玩家必須在某個時間點與自己曾操作過的主角艾利（Ellie Williams）戰鬥。其實我覺得第二章扣除劇情之外的部分確實是做到了當代家機（PS4 pro）的極限了：動態的戰鬥場景、音效、光影。然後是各種不同的殺人方法都會反映在屍體上（刀傷、槍擊、爆炸、重物）。新品種的喪屍、可怕的醫院和地鐵站地下戰鬥場面令人印象深刻。

去年頑皮狗宣布重啟初代作為第一章（Part I），試圖將前作與第二章中有衝突的部分弭平。在次世代主機主機（PS5）上面重玩基於新引擎所改良的初代遊戲相當的吸引人。目前已經玩過一遍：

• 遊戲戲劇情沒有什麼修改，可拾取的劇情信件也一樣多。
• 第二章的許多武器特性並沒有移植到第一章，例如沒有不會壞的小刀，只有三次就報廢的彈簧刀。武器部分則同 remake 可獲取的那些槍械，沒有新增武器。
• 場景變的更細膩，可見材質有所更新。
• 跟第二章相比，戰鬥時的地圖較小且敵人少很多且不聰明。打過第二章再回頭打第一章會覺得稍微簡單且敵人「死相」單調

過年的時候把遊戲再玩了一次。本來想叫出 Part II，不過發現霍格華茲（Hogwarts Legacy）跟絕命異次元（Dead Space）要上市了，還是去玩新遊戲吧！