這項研究強調了利用大型語言模型（LLMs）來自動化分類和註釋疫苗相關文獻，特別是針對布魯氏菌疫苗。核心工具VaxLLM是經過微調的Llama 3模型，能有效識別疫苗配方並提取關鍵資訊，表現出色，精確度達0.90，召回率1.0，F1分數0.95，註釋準確率高達97.9%。VaxLLM的結構化輸出便於整合進疫苗知識庫，並透過PubTator進行交叉比較，進一步提升數據準確性。整體而言，VaxLLM在疫苗研究的知識提取自動化上顯示出顯著進展，所有數據和模型均可公開訪問。 PubMed DOI

藥物開發傳統上是一個繁瑣且耗時的過程，主要依賴專業知識和反覆試驗。不過，隨著人工智慧（AI）特別是大型語言模型和生成式AI的興起，這個領域正迎來變革。AI技術提升了藥物開發各階段的效率，包括疾病靶點識別、藥物發現、臨床前及臨床研究，甚至上市後的監測。這篇文章探討了AI在藥物開發中的最新應用，並分析了目前仍面臨的挑戰，指出未來研究的潛力。 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

生物醫學檢測技術的進步讓我們能獲得更多個人生物醫學資訊，像是分子、細胞、影像及電子健康紀錄。整合這些資訊能提升疾病診斷和治療策略的準確性。人工智慧，特別是深度學習，已在生物醫學領域展現出更高的精確度和效率。不過，處理多模態數據時仍面臨數據隱私和模型可解釋性等挑戰。這篇綜述探討了不同數據類型、AI的角色及未來發展方向，期望透過模型預訓練來進一步推進生物醫學研究。 PubMed DOI

抗體對免疫系統非常重要，能保護身體免受疾病侵害，包括癌症。從單克隆抗體到CAR-T細胞等先進療法，這個領域已經有了重大進展。最近，人工智慧（AI）的應用改變了抗體的設計與優化，透過大型語言模型和生成式AI，加速新抗體的生成，提升免疫反應的準確性，並增強治療效果。AI幫助預測和設計抗體序列、結構及相互作用，解決開發中的挑戰，提升治療的精確性與速度，為下一代癌症療法鋪路，改善精準醫療的治療結果。 PubMed DOI

這項研究探討如何利用大型語言模型（LLMs）自動識別癌症疫苗研究中的疫苗佐劑名稱。由於佐劑對疫苗效能至關重要，手動整理相關資訊相當困難。研究人員使用了來自AdjuvareDB和疫苗佐劑匯編的數據集，並在零樣本和少樣本學習中運用了GPT-4o和Llama 3.2。結果顯示，GPT-4o在精確度和F1分數上表現優異，特別是在有上下文信息的情況下，顯示出LLMs在簡化癌症疫苗開發中的潛力。未來將擴展至更廣泛的生物醫學文獻。 PubMed

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

這項研究發現，Llama-3 這類大型語言模型能比傳統方法更有效率地從疫苗仿單中擷取和分析不良事件。透過文字嵌入和分群，能更細緻掌握不良事件特徵，並用邏輯迴歸準確預測疫苗類型，準確率超過八成。顯示 LLMs 在疫苗安全分析和公共衛生研究上很有潛力。 PubMed DOI

這篇綜述介紹深度學習（如LSTM、CNN、GANs、transformers和大型語言模型）在流感病毒預測和治療上的應用。因應病毒快速變異，深度學習能分析大量複雜資料，提升預測、治療和疫苗開發效率。文章強調AI優於傳統方法，並展望未來在個人化醫療和公衛管理上的發展。 PubMed DOI

這篇論文探討用AI，特別是大型語言模型，來自動化整理動物傳染病環境風險因子的文獻回顧。研究比較不同AI方法，目的是提升找出相關風險因子的效率和準確度，解決病原體快速變異、文獻需常更新的問題。 PubMed DOI