審查委員會(IRB)因為工作人員經驗不足，被批評批准研究計畫時出現延遲。研究指出，大型語言模型(LLMs)有助於提升IRB成員的審查效率。四個LLMs在案例研究中被測試，顯示在評估資格、易受傷害性、知情同意、風險效益分析和安慰劑使用等方面具有潛力。雖然LLMs在某些方面遇到困難，但在多次提示下有所改善。總的來說，LLMs有助於識別研究中的倫理關切並提高IRB的效率。 PubMed DOI

這篇文章討論了臨床醫學中數位科技的演進，並強調在病人受益的情況下平衡科技、臨床專業知識和人文價值的重要性。監管機構正著重通過臨床試驗和倡議來改善醫療保健，例如「世界衛生組織的數位干預指南」和「食品藥物管理局的數位健康卓越中心」。 PubMed DOI

為了提升醫療服務，必須整合臨床試驗知識與實際護理。目前問題在於臨床試驗與醫療系統分離，導致效率不佳，也無法滿足病患需求。解決方法包括明確規範、有效研究設計、電子健康紀錄整合，以及激勵措施來協調利益相關者。整合兩者對於提升醫療服務至關重要。 PubMed DOI

目前臨床試驗中的數據存取和利用方式幾乎沒有改變，導致系統碎片化和效率低下，影響證據的質量與數量。雖然試驗設計有所改善，但數據收集仍然成本高且勞動密集，限制了對不同患者群體的有效性評估。隨著對隨機臨床試驗證據需求的增加，亟需整合電子健康紀錄的互通性和數據標準化，建立一個有凝聚力的數據基礎設施。我們提出現代化的願景，強調多樣數據來源的收集與評估，以及健康數據的重複利用，並強調多學科合作的重要性。 PubMed DOI

在隨機試驗中，死亡事件可能會影響研究結果，這被稱為競爭風險。傳統的Cox比例風險模型將死亡視為截尾數據，可能導致偏差，因為它假設存活者能代表未存活者。Fine和Gray模型雖然常用，但有時應用不當。為了解決這些問題，我們提出了一種多重插補的方法，能更好地考量死亡與未觀察結果風險的關係。我們透過三個心血管試驗的例子和模擬研究，展示了這種方法的有效性，並提供了對未來臨床試驗管理競爭風險的實用建議。 PubMed DOI

隨機臨床試驗對於心血管治療的有效性和安全性非常重要，但面臨高成本、長時間及缺乏多樣性等挑戰。人工智慧（AI）技術的應用有助於改善試驗設計、病人招募、知情同意、結果評估等方面。不過，AI也有風險，如結果不準確、對某些族群的偏見及隱私問題。為了解決這些問題，醫學期刊和監管機構正在建立新的評估框架。謹慎且透明地使用AI對於確保試驗結果的完整性至關重要。 PubMed DOI

試驗模擬，又稱目標試驗模擬，透過模仿隨機對照試驗（RCTs）來增強流行病學和因果推斷，旨在減少偏差和混雜因素，得出更準確的因果結論。這方法的關鍵在於明確起始點、使用傾向分數配對等技術模擬隨機分配，並確保各組可比性。隨著真實世界數據來源的增加，這種方法越來越受重視，幫助研究人員獲得有意義的治療效果見解，指導臨床實踐。不過，數據質量和未測量的混雜因素仍是挑戰，未來可能會結合機器學習來應對。總之，試驗模擬在從觀察數據中獲得可靠因果推斷方面是一大進展，將有助於公共健康。 PubMed DOI

近5到10年來，腎臟疾病的研究進展顯著，特別是針對糖尿病患者。研究顯示，腎病進展的模式相似，新療法雖能減緩病情，但無法完全阻止腎功能下降。未來試驗需面對挑戰，包括設計更大且包容的研究，以確保結果可靠。新藥如SGLT2抑制劑在慢性腎病中顯示良好效果，強調多樣化患者群體的重要性。簡化試驗流程和創新招募策略將有助於提升研究質量，改善患者護理。 PubMed DOI

人工智慧（AI）正在改變醫療保健，但也帶來了倫理和法規挑戰。本研究旨在建立一個可信賴的AI框架，強調透明度和公平性，並提供可行策略以在臨床中實施。透過文獻回顧，發現目前AI治理存在缺口，提出了適應性監管框架和可量化的可信度指標。研究強調多方參與和全球合作的重要性，以確保AI創新能解決醫療需求。實現可信賴的AI需要技術進步、倫理保障和持續合作，促進負責任的創新並提升病人結果。 PubMed DOI

臨床試驗對醫學進步和病人獲得新療法非常重要，但像 ClinicalTrials.gov 的複雜語言讓人難以理解。本研究探討大型語言模型（LLMs），特別是 GPT-4，如何改善病人對癌症臨床試驗的教育。研究人員利用知情同意書，透過兩種 AI 方法創建易懂的摘要，並設計多選題評估病人理解。結果顯示，AI 生成的摘要更易讀，且超過 80% 的參與者表示理解更好。儘管 LLMs 有助於增強病人參與，但仍需解決準確性和倫理問題，未來應專注於改善 AI 流程和遵循法規。 PubMed DOI