噬菌體（phages）是微生物社群中重要但尚未完全了解的成分，因為它們需要細菌宿主來繁殖，能反映生態系統特徵和環境壓力。高通量測序技術已揭示噬菌體族群的多樣性，但病毒基因組的多樣性使得許多基因缺乏適當註解，限制了我們的理解。為了有效應用噬菌體於人類和環境健康，需發展新方法來組織和註解病毒序列。最近在自我監督學習方面的進展顯示出增強病毒蛋白同源性檢測的潛力，特別是在海洋病毒組的研究中。這篇綜述探討了大型語言模型在病毒註解中的潛力與挑戰，強調創新方法的重要性。 PubMed DOI

這項研究探討了OpenAI的ChatGPT如何協助公共衛生工作者開發疾病傳播模型，以制定感染控制策略。透過案例研究，公共衛生工作者與ChatGPT合作，創建符合10天流行病學數據的數學模型，並進行代碼生成、精煉和除錯，估算基本繁殖數（Ro）和最終疫情規模。最終模型重現疫情曲線，Ro為4.19，最終疫情規模達98.3%。研究顯示，ChatGPT能加速模型開發，降低技術門檻，改善全球疫情應對能力，特別在資源有限的環境中。 PubMed DOI

這項研究探討大型語言模型（LLMs）在分析社交媒體貼文，評估公眾對疫苗接種態度的應用。研究人員比較了不同LLMs的表現，包括GPT模型和開源替代品，並與基於規則的情感分析工具進行對比。結果顯示，使用表現最佳的LLMs進行少量提示能獲得最佳效果，而其他方法則有較高的誤分類風險。研究強調LLMs在公共衛生領域的潛力，建議將其納入公共衛生監測，以提升對健康政策公眾意見的評估能力。 PubMed DOI

本研究探討果凍捲（JR）摺疊在病毒衣殼中的特徵，利用六種大型語言模型（LLMs）嵌入的邏輯回歸模型，成功達到超過95%的準確率，能區分JR序列與非JR序列。數據集涵蓋單一JR病毒、非JR病毒及結構相似的免疫球蛋白樣β-三明治蛋白。研究顯示，模型表現受數據質量影響大於LLM選擇。Bert-U100模型能有效識別JR特徵，並預測未分類病毒序列中的JR摺疊，顯示從序列數據預測JR摺疊的可行性。 PubMed DOI

這篇研究用MAMMAL AI模型，僅靠序列資料就能準確預測抗體和流感HA抗原的結合及阻斷效果。模型對已知抗體和抗原表現優異（AUROC ≥ 0.91），對新抗原也不錯（AUROC 0.9），但遇到全新抗體時準確度會下降。這顯示AI有助於抗體篩選，但還需要更多元的抗體資料來提升預測新抗體的能力。 PubMed DOI

這項研究用NLP技術自動抓取SARS-CoV-2相關論文中的病患元資料。團隊用BERT模型訓練分類器，並比較生成式AI（Llama-3-70B）的表現。結果顯示，針對生醫或COVID-19文本預訓練的BERT模型效果最好，F1-score達0.776，明顯優於生成式AI（F1-score僅0.558）。這方法已應用於35萬多篇文章，有助於基因流行病學研究。 PubMed DOI

大型語言模型對澳洲傳染病管理很有幫助，能處理複雜資訊，但要安全有效，需有明確的實證、法規和指引。像檢索增強生成這類AI技術，還能進一步降低風險、提升效益。 PubMed DOI

PandemicLLM 是新一代疫情預測框架，把疾病傳播預測當成文字推理問題來解決。它結合即時多元資料（如防疫政策、基因監測、時序數據），透過 AI 與人類協作提示提升預測準確度。實測美國各州 COVID-19 資料，表現優於現有模型，能整合複雜非數值資訊，讓疫情預測更精準。 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