基因體定序技術近年來飛速發展，儘管能有效判定人體基因序列單點胺基酸突變，然而用以偵測核醣核酸(RNA) 剪接錯誤的工具，卻相對較少。而建立一個高精確度的預測剪接變異模型，意味能夠在基因診斷、精準醫療上，提供更細緻與客製化的預測。

林倩伶的研究團隊著重於基因片段中內含子的突變研究。此獲獎研究，預先檢驗11,191個突變位點，再以統計方式建模，結合臺灣人體資料庫，設計出能夠解釋剪接變異機制，且更加精準預測剪接變異的模型「SpliceAPP」。研究發現，高強度的剪接點與外顯子可對抗在內含子發生的突變，且藉由模型的參數，更細化內含子3’及5’端點因不同機制所產生突變的模型。

此跨領域研究的一大突破點為模型的建立。為了釐清各項預測結果的參數和調控機制，研究團隊不使用AI，而採用數學統計方式建立模型，研究結果顯示此模型不但能有效地解釋剪接機制，更是全球預測精準度最高的模型。目前，該模型開放網頁版本(https://bc.imb.sinica.edu.tw/SpliceAPP/)，供醫療人員或相關研究者使用。此外，中央研究院智財技轉處亦協助此研究成果的專利權部署。

林倩伶表示，此次獲獎相當感謝中央研究院統計科學研究所的黃彥棕研究員、參與此研究的實驗室同仁、學生，以及家人的幫助。期望這項成果未來可提供醫療方面所需的技術分析，提高精準醫療速度與準確度。