討論臨床藥理學中使用LLMs，並探討人工智慧在生物武器開發的潛在濫用問題。分析現有文獻，討論道德考量和立法，提出風險降低措施。指出人工智慧和LLMs在生物武器製造上的雙重用途性，建議建立可解釋的人工智慧、道德指南和監管框架。雖然整合人工智慧於臨床藥理學有機會，但也引發道德和安全疑慮，需要積極因應。 PubMed DOI

人工智慧（AI）進步快速，可協助感染症醫師做決策。它能早期檢測疾病、提供個人化治療建議，並協助管理抗生素使用。AI不會取代專家，而是提升他們的工作。需謹慎考慮限制條件，確保安全運用。感染症專家可透過培訓、明確使用情境、設計演算法，並倡導他們在病人照護中與AI互動。 PubMed DOI

這篇文章討論了自然語言處理（NLP）和大型語言模型（LLMs）在傳染病管理的應用，列舉了15個研究案例，像是利用GPT-4檢測尿路感染、BERTweet監測萊姆病。雖然這些模型展現了潛力，但效果有差異。未來需更深入研究，充分運用人工智慧在疾病診斷、監測、預測和追蹤傳染病管理的流行病學趨勢。 PubMed DOI

在醫療保健領域，人工智慧（AI）在抗生素處方的應用逐漸增多。透過機器學習技術，如邏輯回歸和深度神經網絡，臨床決策支持系統（ML-CDSSs）展現出改善抗生素處方的潛力。根據PubMed的研究，抗生素處方過程複雜，ML-CDSSs能正面影響臨床結果，但仍面臨挑戰，包括訓練數據透明度、黑箱模型的解釋需求，以及法律與倫理框架的建立，以確保決策責任。 PubMed DOI

這項研究探討了使用GPT-4和自訂GPT代理來預先分類碟擴散結果，以識別革蘭氏陰性菌中的β-內酰胺酶產生。研究分析了225個分離株，並將其分類為不同抗藥機制。結果顯示，微生物學家的診斷準確率高達94.4%，而自訂GPT代理的符合率為81.9%，且未經自訂的GPT-4表現不佳，僅19.6%準確。這顯示AI在抗微生物抗藥性診斷中有潛力，但仍需人類專業知識以確保準確性和效率。 PubMed DOI

抗微生物抗藥性是全球健康的重要議題，亟需創新策略來改善抗生素管理。AI 聊天機器人，特別是大型語言模型，能協助臨床醫師優化抗生素治療。本研究回顧了過去五年相關文獻，發現AI 聊天機器人能提供抗生素建議、增強醫學教育及改善臨床決策，但仍面臨臨床細節管理不一致、算法偏見及數據隱私等挑戰。未來需進行嚴格的臨床試驗及跨學科合作，以確保其安全有效地應用於臨床。 PubMed DOI

將大型語言模型（LLMs）整合進抗生素處方的醫療決策中，逐漸受到重視，但面臨挑戰。首先，LLMs在臨床環境中的應用需更深入的醫療理解，因為它們的建議直接影響病患健康。其次，專業知識悖論顯示醫療人員可能過度依賴AI，影響臨床判斷。因此，AI應該輔助而非取代人類決策。最後，LLMs的錯誤風險需謹慎對待，必須建立健全的驗證流程，確保其作為輔助工具的角色。 PubMed DOI

抗生素的處方需在有效治療與降低抗藥性風險之間取得平衡。目前對大型語言模型（LLMs）的研究缺乏標準化，顯示出識別其輸出中的偏見和錯誤資訊的必要性。教育未來醫療專業人員了解這些問題至關重要，以確保在抗生素處方中正確使用LLMs。這樣的教育能幫助他們掌握LLMs的優缺點，最終促進臨床決策的改善。 PubMed DOI

與藥物相關的傷害對全球醫療成本和病人結果影響深遠。生成式人工智慧（GenAI）和大型語言模型（LLM）在降低這些風險上展現潛力。本次回顧分析了2012年1月到2024年10月的文獻，找到3988篇文章，最終納入30篇。GenAI和LLM的應用可分為三個領域：識別藥物相互作用、提供臨床決策支持及增強藥物監測。雖然這些模型在早期識別不良藥物事件上有潛力，但尚缺乏前瞻性測試，需進一步研究其整合與實際應用。 PubMed DOI

本研究探討生成式人工智慧（GenAI）在臨床微生物學和傳染病諮詢中的應用潛力。透過評估四款聊天機器人（如GPT-4.0），研究發現GPT-4.0在事實一致性、全面性及無醫療危害性方面表現優於其他兩款。專家對AI回應的評分顯著高於住院醫師，且專家認為回應“無害”的可能性更高，但仍有少於兩成的回應被認為無害。研究強調醫療人員的專業知識對AI回應的解讀影響深遠，並指出目前無AI模型可在無人監督下安全使用於臨床。 PubMed DOI