證據在癌症治療中至關重要，AI可協助收集和分析真實世界數據，提供更好的治療方案。然而，AI整合到臨床護理仍需克服計算、泛化、可解釋性和可靠性等挑戰。 PubMed DOI

癌症是一種複雜的疾病，對全球健康造成重大挑戰。儘管科技進步，早期診斷和有效治療仍然困難。大型數據集的出現讓生物資訊工具有了新機會，人工智慧（AI）逐漸成為重要工具，機器學習技術在預測和診斷上展現潛力。不過，AI在臨床應用中仍面臨挑戰，尤其是報告指導方針的使用不足，影響研究的可重複性。本文探討AI在癌症研究中的應用，分析其優缺點及未來影響。 PubMed DOI

這項研究介紹了iLLMAC，一個經過指令調整的大型語言模型，專注於利用游離DNA（cfDNA）進行癌症檢測。iLLMAC在1,135名癌症患者和1,106名對照組的血漿cfDNA數據上訓練，癌症診斷的AUROC達0.866，肝細胞癌（HCC）檢測則達0.924。隨著末端動機數量增加，性能提升，使用64個末端動機時，癌症診斷AUROC達0.886，HCC檢測AUROC達0.956。外部測試中，iLLMAC仍表現優異，顯示出基於LLM的指令調整在cfDNA癌症檢測中的潛力。 PubMed DOI

近年來，腫瘤成為全球健康的重要議題，腫瘤微環境（TME）在腫瘤細胞的行為中扮演關鍵角色，包括其產生、發展、轉移和消除。隨著大型語言模型等先進人工智慧（AI）演算法的出現，醫學研究進展迅速。這篇綜述探討AI在腫瘤代謝研究中的應用，特別是腫瘤細胞與正常細胞之間的表達差異，並透過代謝組學和TME互動的視角分析這些差異，提供對腫瘤潛在病理機制的深入見解。 PubMed DOI

新療法如免疫檢查點抑制劑和靶向治療，使實體腫瘤的治療變得更複雜。隨著FDA批准速度加快，未來五年可能有更多治療選擇，但高成本卻影響了可及性，擴大了患者間的社會經濟差距。這篇綜述探討基於人工智慧的解決方案，特別是深度學習和大型語言模型在醫學影像和電子健康紀錄中的應用，幫助識別具成本效益的生物標記，並提出整合這些技術進入臨床實踐的步驟。 PubMed DOI

人工智慧（AI）技術的迅速發展，特別是在深度學習和神經網絡方面，對腸胃道腫瘤的研究影響深遠。這些腫瘤複雜且多樣，讓早期檢測和個性化治療變得困難。AI能提高腫瘤篩檢的準確性和敏感性，協助識別生物標記、預測治療反應，並設計個性化治療計畫，最終改善病人治療效果。此外，AI與多組學分析及影像技術的結合，推進了腫瘤微環境的研究，並增強了醫學影像分析的能力。 PubMed DOI

抗體對免疫系統非常重要，能保護身體免受疾病侵害，包括癌症。從單克隆抗體到CAR-T細胞等先進療法，這個領域已經有了重大進展。最近，人工智慧（AI）的應用改變了抗體的設計與優化，透過大型語言模型和生成式AI，加速新抗體的生成，提升免疫反應的準確性，並增強治療效果。AI幫助預測和設計抗體序列、結構及相互作用，解決開發中的挑戰，提升治療的精確性與速度，為下一代癌症療法鋪路，改善精準醫療的治療結果。 PubMed DOI

這篇綜述介紹大型語言模型在腫瘤醫學的應用，包括癌症篩檢、診斷、分期和治療建議等，展現其提升精準醫療的潛力。文章也點出幻覺、倫理和應用侷限等挑戰，並提出改進建議，期望推動LLMs在癌症照護上的發展。 PubMed DOI

Radiomics 透過醫學影像萃取數據，能提升肺癌診斷、治療規劃和預後預測的準確度。結合深度學習後，對腫瘤偵測和分期表現更勝傳統方法。未來若搭配大型語言模型和可解釋 AI，臨床應用將更精準、個人化，有望徹底改變肺癌照護模式。 PubMed DOI

一項針對超過2.7萬名一般成人的大型研究發現，新的ctDNA血液檢測能準確偵測大腸癌（敏感度79.2%、特異性91.5%），但對早期癌前病變的偵測率很低（僅12.5%）。雖然有助提升篩檢意願，但目前還無法取代現有篩檢方法，還需再改進。 PubMed DOI