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

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

這篇論文深入分析了AI在藥物開發中的進展，特別是針對小分子、RNA和抗體的應用。它探討了AI如何融入藥物開發流程，並回顧了目前臨床試驗中的藥物。論文指出，至今尚無AI設計的藥物獲得監管機構批准，並建議利用大型語言模型和擴散模型來克服這一挑戰。總體而言，論文強調了AI在藥物發現中的潛力，同時也討論了這個快速發展領域的挑戰與未來機會。 PubMed DOI

最近，人工智慧（AI）和深度學習（DL）在醫療保健領域的進展非常顯著，尤其是大型語言模型（LLMs）的應用。這些模型改善了研究人員與AI系統的溝通，特別是在藥物開發上。回顧中強調了LLM在製藥領域的創新，並探討了其技術和倫理挑戰。預期未來LLM將在創新藥物的開發中扮演更重要的角色，助力突破性製藥的進展。 PubMed DOI

製藥產業正專注於改善藥物開發，目的是降低成本、提升效率，並改善病患的治療效果。模型導向藥物開發（MIDD）透過數學模型模擬藥物的吸收和代謝，而人工智慧（AI）則利用機器學習分析大量數據，進行更準確的預測。結合MIDD與AI，可以透過虛擬試驗優化藥物選擇和治療策略，降低風險。不過，數據質量、隱私和模型可解釋性等挑戰仍需克服。這種整合有潛力改變藥物發現和個人化醫療，對病患和製藥業皆有益處。 PubMed DOI

這篇文章探討了人工智慧驅動的大型語言模型（LLMs）在藥物發現與開發中的影響，特別是它們如何解決傳統方法的時間與成本問題。文章介紹了LLMs在藥物發現各階段的應用，包括藥物設計、靶點識別、驗證及相互作用分析等。此外，還提到針對藥物發現的專屬LLMs的發展及其挑戰，並展望未來人工智慧在藥物開發中的整合潛力。 PubMed DOI

這篇論文探討人工智慧（AI）在醫學研究中的重要性，特別是在撰寫研究論文方面。AI能協助數據分析、提供寫作支援，並提升出版效率。研究依據PRISMA指導原則，搜尋了多個資料庫，找到截至2023年10月的相關文獻。AI工具如ChatGPT能生成草稿，但也引發內容所有權和偏見的倫理問題。論文強調研究人員、出版商與AI開發者需合作建立倫理標準，並提到AI在婦產科和藥物研究中的應用。儘管AI帶來優勢，持續的研究與倫理指導仍然重要，以確保負責任地使用AI。 PubMed DOI

藥物引起的肝損傷（DILI）因其複雜性及與其他肝病相似，對公共健康造成重大風險，診斷上相當困難。缺乏特定生物標記使得識別更具挑戰性。DILI 可能導致急性肝衰竭，因此了解其機制至關重要。近期人工智慧（AI）的進展為 DILI 研究提供了新方法，尤其是隨著數據集的增多。本文探討 AI 在 DILI 研究中的應用，包括風險分層、預後評估及因果關係分析，並強調自然語言處理（NLP）和大型語言模型（LLM）的臨床應用。最後，討論未來挑戰及持續探索的必要性，以改善 DILI 的診斷與管理。 PubMed DOI

人工智慧（AI）即將徹底改變臨床研究，特別是在胃腸科方面。透過提升研究準備和數據解讀，AI 工具能加速文獻搜尋、簡化數據收集與分析，並協助研究格式化，讓臨床研究更有效率。目前已有多種 AI 應用被開發和測試，未來也會有更多新應用出現。本文將探討 AI 在胃腸科臨床研究中的角色，特別是對藥物發現的影響，以及需要進一步指導的領域，以優化其應用和理解。 PubMed DOI