人工智慧在藥物研發有潛力提升效率和準確性，但需注意數據品質、道德問題和限制。本文探討了人工智慧在藥物研發的優勢、挑戰和缺點，提出了克服障礙的策略。討論了數據擴增、可解釋的人工智慧、整合傳統方法等議題。評論指出人工智慧在藥物研發中的潛力，並提供實現這一潛力的見解。文章旨在測試ChatGPT協助人類作者撰寫評論文章的能力，人類作者將精煉人工智慧生成的內容以符合科學標準，同時討論利用人工智慧的優勢和限制。 PubMed DOI

討論臨床藥理學中使用LLMs，並探討人工智慧在生物武器開發的潛在濫用問題。分析現有文獻，討論道德考量和立法，提出風險降低措施。指出人工智慧和LLMs在生物武器製造上的雙重用途性，建議建立可解釋的人工智慧、道德指南和監管框架。雖然整合人工智慧於臨床藥理學有機會，但也引發道德和安全疑慮，需要積極因應。 PubMed DOI

研究評估了OpenAI的GPT和GPT-4在比較人類審查員時，對臨床研究論文標題和摘要的辨識表現。結果顯示，這些模型在篩選超過24,000個標題和摘要時表現準確且敏感，並展現了推理能力並修正錯誤。這些人工智慧模型有潛力優化審查流程、節省時間，並提升臨床研究品質，而非取代研究人員。 PubMed DOI

人工智慧（AI）正在快速改變生物醫學研究，加速解決問題並分析龐大數據。AI在藥物設計、毒理學和材料辨識上的應用，有潛力改革科學研究的設計、數據分析和溝通方式。像ChatGPT和Perplexity這樣的大型語言模型改變了科學家之間的互動和溝通方式。雖然AI帶來好處，但也有風險，例如保密性不足和潛在偏見。本評論討論了AI對生物醫學研究現況和未來影響，並強調了需要考慮的利弊。 PubMed DOI

藥物開發費用高達25億美元，討論了調整現有分子和創造新分子兩種方法。人工智慧在藥學領域帶來革命，尤其生成式人工智慧在藥物發現中備受矚目。探討了不同生成式人工智慧模型、應用、挑戰及潛力。強調了商業合作夥伴在藥物發現中的重要性。 PubMed DOI

人工智慧近年來進步神速，像ChatGPT等模型已經相當厲害。不過，將AI用在非專業領域還是有挑戰。為此，Uni-Mol模型開發了線上工具，專注於中樞神經系統疾病藥物開發，包括NMDA受體。這些工具像是BBB滲透性預測、QSAR分析和VD-gen分子生成模型，旨在幫助加速藥物研發，彌合AI技術與專家之間的鴻溝。 PubMed DOI

研究指出，大型語言模型（LLM）在翻譯藥物描述上有潛力，但仍有改進空間。這種翻譯有助於開發更有效的藥物治療，降低成本，並透過人工智慧改革醫療領域。然而，藥物和適應症研究仍需更深入。 PubMed DOI

肽類有多樣生物活性，有治療潛力，但短效和易降解。人工智慧和計算工具推動肽類研究，如生成對抗網絡和變分自編碼器用於肽類設計。挑戰在於模型優化和驗證。討論AI整合肽類開發，概述機器學習策略，提出AI輔助肽類設計流程，強調AI加速肽類藥物發現的實用性。 PubMed DOI

新藥開發和不良藥物反應檢測傳統上耗時且成本高，但隨著大規模醫療數據庫和大型語言模型的興起，藥物篩選變得更有效。本研究提出一個自動化高通量藥物篩選流程，具備多項優勢，包括估算藥物與疾病的關聯、整合藥物重新利用與監測、準確解析暴露時間等。研究分析了661萬名患者的數據，發現16,901對藥物-疾病組合顯著降低風險，11,089對則顯著增加風險，顯示出潛在的藥物重新利用和安全問題。這項研究展示了自然語言處理在藥物流行病學中的潛力。 PubMed DOI

這篇文章探討了醫療腫瘤學中，人工智慧（AI）在自動文本分析的最新進展，特別是自然語言處理（NLP）的重要性。大型語言模型在解答醫療問題上表現突出，並介紹了如預後評估、治療建議等新應用。作者呼籲啟動全球臨床評估，以驗證AI決策支持系統的有效性，並解決潛在偏見。他們強調在推進病人護理時，必須保持科學的嚴謹性。 PubMed DOI