不到4分鐘就有1人罹癌!112年國人十大癌症排名公布 最多人罹患與網路討論卻不同
本文以問答方式整理十大癌症排名、年齡分布與公費篩檢重點。並且從網路輿情揭曉民眾最關心哪些癌症。

衛生福利部今日(12/30)公布最新「112年癌症登記報告」,全台新發生癌症人數為13萬8,051人,較前一年(111年)增加7,758人。隨著人口老化與生活型態改變,癌症發生人數呈現逐年上升趨勢,其中「肺癌」已連續3年為新發生人數最多的癌症。
癌症時鐘加速 不到4分鐘就有1人罹癌
癌症發生速度持續加快,最新資料顯示,「癌症時鐘」已從過去約4分多鐘1人罹癌,縮短至112年的每3分48秒就有1人確診,再度凸顯癌症對國人健康帶來的長期壓力。

以下整理112年癌症登記報告的重點內容,並以常見疑問形式說明:
Q1:112年全台新發生癌症人數有多少?
A:共有13萬8,051人。
依據112年癌症登記資料,新發生癌症人數較111年增加7,758人,全癌症年齡標準化發生率為每10萬人口331.3人,較前一年增加8人。
Q2:哪幾種癌症新發生人數最多?
A:肺癌、大腸癌、女性乳癌排名前三。
112年十大癌症新發生人數(男女合計)依序為:
1.肺癌
2.大腸癌
3.女性乳癌
4.肝癌
5.攝護腺癌
6.口腔癌(含口咽、下咽)
7.甲狀腺癌
8.皮膚癌
9.胃癌
10.子宮體癌
與111年相比,僅皮膚癌與胃癌名次互換,其餘排序相同。
Q3:癌症大多在幾歲發生?
A:全癌症發生年齡中位數為65歲。
112年全癌症發生年齡中位數為65歲,較111年延後1歲。部分癌症發生年齡中位數較早,包括:
・口腔癌:60歲
・子宮體癌、乳癌:57歲
・甲狀腺癌:50歲
Q4:男性與女性常見癌症排名一樣嗎?
A:不一樣。
男性新發癌症人數為7萬1,244人。標準化發生率排序依序為:
大腸癌、肺癌、攝護腺癌、口腔癌、肝癌、食道癌、胃癌、皮膚癌、白血病、非何杰金氏淋巴瘤。
女性新發癌症人數為6萬6,807人,標準化發生率排序依序為:
乳癌、肺癌、大腸癌、甲狀腺癌、子宮體癌、肝癌、卵巢癌、皮膚癌、胃癌、子宮頸癌。

Q5:政府提供哪些公費癌症篩檢?
A:目前提供五項具實證效益的癌症篩檢。
包括:
子宮頸抹片檢查
乳房X光攝影
糞便潛血檢查
口腔黏膜檢查
胸部低劑量電腦斷層(LDCT)
研究與統計顯示,這些篩檢可有效降低癌症死亡率並提高存活率。
Q6:為什麼要定期做癌症篩檢?
A:因為癌症初期多半沒有明顯症狀。
國健署指出,癌症初期容易被忽略,若能透過篩檢早期發現、及早治療,有助於提升治療效果與存活率。符合資格的民眾可透過健保相關系統或篩檢資訊網站,查詢可接受的篩檢服務。
從網路討論看大家在關心哪些癌症
《網路溫度計DailyView》透過輿情分析軟體《KEYPO大數據關鍵引擎》觀察近三年(2023/1/1至2025/12/29)網路上「癌症」相關討論內容,整理出網友實際提到的癌症類型與相關關鍵字。本次分析選擇觀察近三年的網路討論內容,主要目的是避開單一年度事件或新聞高峰的影響,透過較長時間尺度,觀察癌症相關討論中較為穩定的關注方向與主題分布。從整體討論情況來看,網路上的癌症話題並非平均分布,而是明顯集中在少數幾種癌症上。
其中,「大腸癌」與「口腔癌」在近三年的討論中出現頻率較高,「子宮頸癌」、「攝護腺癌」與「女性乳癌」則維持穩定的討論量。另外,癌症在討論時,經常會搭配「篩檢」、「早期治療」等相關詞彙一起出現,顯示網友在談論癌症時,關注的不只是疾病名稱本身,也包含是否能透過檢查及早發現、及早處理。
相較之下,部分在官方統計中發生人數不低的癌症,如肝癌、胃癌與食道癌,在近三年的網路討論中出現頻率相對有限,相關關鍵字多半集中於新聞事件或個案報導,較少延伸至其他層面的討論。這樣的差異顯示,網路上的癌症話題,並不完全等同於實際發生人數排序,而是較容易聚焦在大家比較熟悉、也比較好理解的癌症類型。
整體而言,近三年的癌症相關網路討論,已逐漸從單純提及疾病名稱,延伸到檢查與治療等實際行動層面,反映民眾在面對癌症議題時,關注重點正逐步轉向「如何應對」與「是否能提早發現」。

分析說明
分析區間:本文分析時間範圍為2023年1月1日至2025年12月29日。
資料來源:
大數據(股)公司旗下輿情分析軟體《KEYPO大數據關鍵引擎》。
研究方法:
《KEYPO大數據關鍵引擎》輿情分析軟體擁有巨量資料,以人工智慧作語意分析之工具資料蒐集範圍:每月處理1500億以上中文資料的網路社群數據庫,其內容涵蓋Facebook、YouTube、Threads、TikTok、Instagram、新聞媒體、討論區、部落格等網站,針對討論『癌症』相關文本進行分析,調查「探索概念」(註)作為本分析依據。
*註 探索概念:將主題的文章進行概念分群(Concept Clustering),幫助讀者從巨量資料中快速掌握事件的來龍去脈;群中存在較高的議題相似度,群間則有較低的相關度;分群結果透過演算法抽取具有代表性的片語以呈現概念的意義。




