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

本研究評估了人工智慧（AI），特別是OpenAI的自然語言處理技術，對胸腔多學科腫瘤委員會（MTB）決策的幫助。研究納入2023年1月至6月診斷為非小細胞肺癌的52位病患，AI模型生成的建議與MTB決策的一致性達76%，Kappa指數為0.59，手術建議的一致性更高，重複案例後達92.3%。結果顯示，AI可成為多學科腫瘤委員會決策的有力支持工具。 PubMed DOI

人工智慧（AI）在醫療保健，特別是重症醫療中，顯示出改善病人結果的潛力。本系統性回顧分析了1364篇文章，最終納入24項研究，涵蓋傳統模型、機器學習、深度學習及生成式AI等技術。研究結果顯示，AI能有效預測術後併發症、ICU入院等健康結果。雖然AI在護理領域展現潛力，但研究多樣性使得無法明確評估其有效性，未來需進一步探討AI對護理結果的影響。 PubMed DOI

人工智慧（AI）在小兒風濕病學的應用越來越受到重視，雖然面臨訓練數據、倫理和可解釋性等挑戰。近期進展顯示，機器學習模型能有效識別生物標記、預測治療反應，並根據疾病特徵進行患者分層。AI驅動的影像工具和非侵入性診斷方法提升了診斷準確性，幫助檢測炎症和疾病活動。此外，大型語言模型也能有效回答患者問題。不過，對AI結果的解讀仍需謹慎和人類監督。總的來說，AI正在改變小兒風濕病學，提升診斷和個性化治療，但這才是個開始。 PubMed DOI

惡性淋巴瘤是一種多樣化的癌症，特別在老年人中發病率上升。年輕患者常見霍奇金淋巴瘤和伯基特淋巴瘤，而年長者則多見擴散性大B細胞淋巴瘤等。PET/CT影像是評估淋巴瘤的金標準，但解讀複雜，需專家分析，面臨人力資源短缺的挑戰。人工智慧（AI）可改善影像分析、提高效率，並降低放射性藥物劑量。自動分割工具能提升腫瘤量化指標，助於預後和治療決策。儘管仍有挑戰，AI有潛力改善淋巴瘤護理，提升診斷準確性和患者治療結果。 PubMed DOI

這篇評論探討人工智慧（AI）在血管炎診斷和預後預測中的應用。血管炎是一種罕見的炎症性疾病，診斷上常有挑戰。研究分析了2000至2024年間的46篇相關文獻，發現AI在川崎病的診斷準確率高達92.5%敏感度和97.3%特異度，預測模型也顯示良好表現。然而，其他血管炎類型的研究較少，且樣本量小。總體來看，AI能顯著提升血管炎的診斷與預測，但仍需更多數據和驗證以擴大應用。 PubMed DOI

這項研究評估大型語言模型（LLMs）在根據病患醫療紀錄生成早期乳腺癌治療選項的準確性。使用2024年初的多學科團隊會議紀錄，測試了三個AI模型：Claude3-Opus、GPT4-Turbo和LLaMa3-70B。結果顯示，Claude3-Opus準確率86.6%，GPT4-Turbo為85.7%，LLaMa3-70B則為75.0%。兩者在輔助內分泌和靶向治療上表現良好，但在輔助放射治療上則有高估的情況。研究建議需進一步探討這些模型在臨床上的實際應用。 PubMed DOI

這項研究探討人工智慧（AI）在改善傳染病臨床決策中的角色，特別是抗生素處方的指導。透過系統性文獻回顧，評估了AI技術在抗微生物管理中的有效性。結果顯示，十七項研究中，機器學習作為臨床決策支持系統（CDSS）能有效預測抗藥性並優化抗生素使用；而六項大型語言模型的研究則顯示處方錯誤率較高，需精確提示才能獲得準確回應。研究強調傳染病專家的重要性，並指出AI需經過嚴格驗證才能有效整合進臨床實踐。 PubMed DOI

AI在預測、診斷和管理藥物相關性顎骨壞死（MRONJ）上展現潛力，機器學習和深度學習模型表現優異，語言模型在衛教上也有不錯表現。不過，目前資料品質和臨床應用還有待加強，未來應聚焦於標準化和可解釋的AI模型及臨床指引。 PubMed DOI

這篇綜述介紹先進AI技術（如機器學習、深度學習、大型語言模型）如何應用在傳統醫學，提升診斷準確度、藥物研發效率及病患照護。作者希望促進AI與傳統醫學的合作，推動醫療創新，帶來更好的健康成果。 PubMed DOI