這篇論文回顧了人工智慧（AI）在缺血性中風影像學的進展，強調其在自動分割梗塞區域、大血管阻塞檢測及預測中風結果的應用。研究指出，機器學習（ML）和深度學習（DL）能提升診斷準確性，但仍面臨數據不足、模型可解釋性差及需即時更新等挑戰。此外，論文探討了大型語言模型的潛力，並強調建立大型公共數據庫的重要性。總之，儘管AI在缺血性中風管理上有潛力，但克服技術與實際挑戰對於臨床應用至關重要。 PubMed DOI

缺血性中風對全球經濟影響日益嚴重，尤其在人口老化的情況下，成為重要的公共衛生議題。新型抗糖尿病藥物可能有助於預防和治療中風，但其與中風風險的關係尚不明確。本研究分析了34,217例中風病例和406,111名對照者的基因數據，發現胰高血糖素樣肽-1受體激動劑（GLP-1 RA）可能增加中風風險，而二肽基肽酶4抑制劑（DPP-4i）則可能降低風險。這些結果需謹慎解讀，並需進一步研究驗證。 PubMed DOI

這項研究探討中風後患者的糖尿病狀態，特別是新型二型糖尿病（DM II）治療的效果，聚焦於GLP-1-RA和SGLT-2抑制劑。研究涵蓋884名缺血性中風患者，發現一年後正常血糖的比例下降12.1%，而前糖尿病和DM II的比例則上升。唯一顯著的風險因素是使用他汀類藥物。研究強調缺血性中風倖存者中前糖尿病和DM II的高盛行率，並呼籲進一步評估GLP-1-RA和SGLT-2抑制劑在這群體中的療效。 PubMed DOI

阿茲海默症對生活品質造成重大影響，雖然新療法不斷出現，但仍需有效治療。為此，我們推出DeepDrug，一種人工智慧驅動的藥物重定位方法，旨在為AD患者找出有效的已批准藥物組合。DeepDrug整合專家知識，利用生物醫學圖譜，運用圖神經網絡編碼，並系統性選擇最佳藥物組合。我們識別出一個有前景的五藥組合，針對AD相關的神經炎症等問題，顯示出臨床應用潛力。 PubMed DOI

本研究評估了兩種AI模型（ChatGPT-4o和Claude 3.5 Sonnet）在檢測急性缺血性中風（AIS）方面的表現。分析了110例擴散加權影像（DWI），結果顯示Claude 3.5 Sonnet在靈敏度和特異性上均優於ChatGPT-4o，特別是在AIS的定位準確性上。雖然Claude 3.5 Sonnet的表現較佳，但兩者在準確性上仍有顯著限制，顯示出AI在臨床應用前需進一步發展。這強調了AI在放射診斷中的潛力與現階段的不足。 PubMed DOI

準確預測藥物與靶標的互作（DTI）對藥物發現非常重要，因為它能幫助找出新的治療藥物。傳統藥物開發耗時且費力，通常超過十年。為了簡化這個過程，本研究提出了Top-DTI框架，結合拓撲數據分析（TDA）和大型語言模型（LLMs）來預測DTI。實驗結果顯示，Top-DTI在多項指標上超越現有方法，特別是在冷切分場景中表現優異，顯示出其穩健性。更多資料和源代碼可在https://github.com/bozdaglab/Top_DTI找到。 PubMed DOI

面臨腎衰竭的病人在接受維持性透析時，面臨中風和出血的風險。為了評估現有預測模型的有效性，進行了一項系統性回顧，納入截至2024年1月12日的相關研究。結果顯示，雖然有八項研究符合標準，但並未找到專門針對透析病人的中風預測模型，僅有兩項針對出血風險的評分。常用的評分系統在透析人群中表現不佳，顯示目前的預測模型不足，因此亟需開發新的風險評分系統以改善臨床決策。 PubMed DOI

這項研究開發了一個中風診斷與預測工具，利用ChatGLM-6B大型語言模型，透過分析電子健康紀錄和非對比電腦斷層掃描報告中的自由文本，來提升中風的檢測與治療。研究使用了1,885名患者的數據進行訓練和驗證，並在335名患者的外部測試中進行評估。結果顯示，內部驗證準確率高達99%，外部測試則為95.5%和79.1%。該模型在識別缺血性和出血性中風方面表現優異，並有潛力改善中風識別及患者預後。 PubMed DOI

腦血管疾病是全球第二大死亡原因，對殘疾影響深遠。本研究探討GPT-4在急診科神經科醫師處理急性缺血性中風的有效性，分析其建議與專家意見及實際治療結果的比較。研究回顧100名急性中風患者，結果顯示GPT-4的建議與專家意見高度一致，特別是在血管內血栓切除術方面表現優異。GPT-4在死亡預測上也表現良好，顯示其作為臨床決策支持工具的潛力，但也需注意其建議的侵略性，強調人類監督的重要性。未來需進一步驗證這些發現。 PubMed DOI

藥物靶點的選擇對藥物開發至關重要，因此早期評估新靶點的治療效益和風險是必要的。傳統手動分析可能偏頗且耗時，但大型語言模型（LLMs）能提供更有效的文獻分析。目前，針對此目的的公開LLMs仍有限，主要集中在共現分析上。 為解決此問題，基於BERT的模型已開發，用於分析PubMed中藥物靶點與健康效應的關係，並展現出0.86到0.92的F1分數。這些模型提供了靶點調節如何影響健康的深入見解，並已在PubMed數據庫中部署，透過TargetTri平台可訪問，代表AI輔助藥物靶點識別的重大進展。更多資訊可至 https://www.targettri.com 查詢。 PubMed DOI