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

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

醫療數位轉型正快速發展，提升了服務品質和健康資訊的可及性，並減輕了醫療提供者的負擔。數據和人工智慧（AI）在此過程中扮演關鍵角色，特別是醫療AI，正從特定任務擴展為更通用的應用。大型語言模型被用來整理醫學知識，並重塑醫學科學。新方法「AI for Medical Science」透過預測模型來預測疾病，專注於「狀態」而非僅是症狀，能提高診斷準確性，推進P4醫學的發展。 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

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

人工智慧（AI）正深刻影響醫療保健，特別是在定量臨床藥理學（QCP）和轉化科學（TS）領域。AI代理工作流程能簡化數據收集與分析，提升效率與一致性。這篇評論探討AI如何解決QCP和TS的挑戰，優化臨床試驗設計並推進精準醫療，同時確保數據隱私與法規遵循。文中也舉例說明AI代理在生物醫學研究中的應用，並提供克服實施挑戰的建議。未來，促進合作與建立法規框架將是實現AI潛力的關鍵。 PubMed DOI

大型語言模型（LLMs）和機器學習（ML）的發展為健康技術評估（HTA）帶來機會與挑戰。雖然這些人工智慧系統能提升決策預測能力並簡化文獻回顧，但目前在HTA中的應用仍然有限。主要障礙包括透明度要求、數據分析需人類監督，以及與報銷相關的敏感性問題。人工智慧生成的證據尚未能取代傳統研究設計，且訓練成本需謹慎考量。本文探討德國的人工智慧應用及其未來前景，強調需業界、HTA機構與學術界合作，逐步整合人工智慧。 PubMed DOI

AI 和機器學習正大幅改變定量系統藥理學（QSP），像自動化資料擷取、混合模型和大型語言模型等新工具，讓 QSP 建模更簡單、協作性更高，有助加速和個人化藥物開發。不過，驗證、倫理、法規和整合複雜生物資料等挑戰仍待克服。整體來說，AI/ML 將徹底革新 QSP，推動治療創新。 PubMed DOI

AI 在臨床試驗風險評估的應用越來越多，2013 到 2024 年有 142 篇相關研究，運用機器學習、深度學習和因果推論來預測安全性、療效和作業風險。資料來源多元，近期也開始用大型語言模型。雖然部分模型表現很好，但還是有偏誤、驗證不足和資料品質等問題。整體來說，AI 有助於提升臨床試驗的安全性和效率，特別是在風險監控方面很有潛力。 PubMed DOI