SEETrials是一個自動系統，專門從腫瘤臨床試驗中提取安全性和有效性資訊，精確度高。已在不同癌症類型上評估，表現優異。對多發性骨髓瘤新療法的分析顯示出有效性和安全性的差異。SEETrials展現了準確的資料提取和在各種癌症領域的多功能性，有助於快速有效地分享臨床見解。 PubMed DOI

使用大型語言模型如GPT-3.5 Turbo和GPT-4可提升臨床試驗患者配對的效率和準確性。研究顯示GPT-4在患者記錄和AI技術中表現優異，有助於減少招募錯誤、減輕研究負擔、加速研究。然而，仍需進一步研究以驗證其在實際臨床數據中的效用。 PubMed DOI

隨著人工智慧工具的普及，患者和醫療專業人員越來越依賴這些工具提供的醫療資訊。本研究評估了五個大型語言模型（LLaMA 1、PaLM 2、Claude-v1、GPT-3.5和GPT-4）在2044個腫瘤學相關問題上的表現。結果顯示，GPT-4在與人類基準比較中表現最佳，達到第50百分位以上。雖然GPT-4的準確率高達81.1%，但所有模型仍存在顯著錯誤率，顯示出持續評估這些AI工具的重要性，以確保其安全應用於臨床實踐。 PubMed DOI

這項研究探討大型語言模型（LLMs）在提升病人與臨床試驗（CTs）匹配的應用，並以資訊檢索為框架。研究開發了一個多階段檢索管道，結合BM25、Transformer排名器及LLM方法，數據來自TREC臨床試驗2021-23。結果顯示，微調的LLM在查詢形成、過濾及重新排名上表現優於傳統方法，提升了識別合格試驗的有效性。雖然LLMs具競爭力，但計算成本較高，效率降低。未來研究應聚焦於優化成本與檢索有效性之間的平衡。 PubMed DOI

這項研究著重於改善臨床試驗的患者配對過程，傳統上需手動審查電子健康紀錄，常導致患者錯失治療機會。近期大型語言模型的進展讓自動化配對成為可能，但現有研究多依賴有限的合成數據，未能反映真實醫療數據的複雜性。研究者對一個臨床試驗配對系統進行實證評估，使用實際的電子健康紀錄，並引入名為OncoLLM的自訂模型。結果顯示，OncoLLM的表現超越GPT-3.5，與醫生的效果相當，可能顯著提升患者配對效率，改善治療選擇的可及性。 PubMed DOI

這項研究開發了一個名為SEETrials的自動化系統，專門從腫瘤臨床試驗摘要中提取安全性和有效性數據，以提升臨床決策的效率和準確性。系統包含預處理、知識攝取和後處理三個模組。研究團隊從2012到2023年收集了多發性骨髓瘤及其他癌症的臨床試驗摘要，結果顯示SEETrials在數據提取上表現優異，特別是在多發性骨髓瘤的試驗中，精確度達0.964，召回率0.988，F1分數0.974。整體而言，SEETrials有效促進了癌症療法數據的提取與分析。 PubMed DOI

臨床試驗的病人招募常常困難，但TrialGPT提供了解決方案。它的框架包含三個主要模組： 1. **TrialGPT-Retrieval**：能有效篩選和檢索試驗，回收率超過90%，只用不到6%的資料。 2. **TrialGPT-Matching**：評估病人符合性，準確率達87.3%，與專家相當，並提供清晰解釋。 3. **TrialGPT-Ranking**：生成的試驗分數與人類判斷一致，排名準確度超越競爭對手43.8%。 使用者研究顯示，TrialGPT能減少42.6%的篩選時間，顯示出在病人與試驗匹配上的進展。 PubMed DOI

在腫瘤學中，提取隨機對照試驗的納入和排除標準是一項複雜的任務，自動化方法能有效協助這項工作。一項研究分析了600個來自高影響力醫學期刊的試驗，發現500個用於模型開發，100個用於測試。測試結果顯示，基於規則的系統在局部疾病和轉移性疾病的F1分數分別為0.72和0.77，而基於變壓器的機器學習模型則達到0.97和0.88。大型語言模型GPT-4o也表現不錯，顯示自動化分類癌症試驗的可行性，雖然需要大量計算資源。 PubMed DOI

這項研究探討大型語言模型（LLMs）在分子腫瘤委員會（MTBs）中為癌症患者提供治療建議的應用。研究發現，LLM引用的75%文獻正確來自PubMed，但有17%是錯誤或虛構的。臨床醫生的查詢準確性較高，LLM的25%回應與醫生建議一致，37.5%則提供合理替代方案。雖然LLM能提升MTB會議效率，但仍需醫生的監督以減少錯誤。未來需進一步研究以增強其可靠性。 PubMed DOI

生成式人工智慧（GAI）技術，特別是大型語言模型（LLMs），在醫學領域的應用越來越普遍，尤其是在病人與臨床試驗配對方面。研究顯示，LLMs能有效匹配病人的健康紀錄與臨床試驗資格標準，並取得良好結果。雖然自動化配對有助於提升病人參與率和減輕醫療工作負擔，但也面臨挑戰，如可能帶來虛假希望、導航困難及需人類監督等問題。進一步研究對驗證LLM在腫瘤學中的安全性和有效性至關重要。 PubMed DOI