研究指出使用 GPT-4 模型作為生物系統模擬器有潛力，稱為 SimulateGPT。專家評估發現在基因必需性和癌症存活預測等實驗中表現良好。這種語言模型或許可用於建立生物醫學模擬器，特別適用於處理大量以文字呈現的知識和複雜系統。未來發展可考慮整合網頁檢索、數學建模和實驗數據微調。 PubMed DOI

這篇論文探討基因數據在疾病診斷與治療中的重要性，特別是癌症研究，並指出將這些數據整合進臨床護理的挑戰，如電子健康紀錄的結構、保險成本及基因結果的可解釋性。研究也提到人工智慧（AI）和大型語言模型（LLMs）在解決這些問題上的潛力。儘管AI在醫學研究中的成功有限，但基於大量數據訓練的LLMs在基因分析上顯示出希望。研究評估了GPT模型在基因表達數據的預測能力，並與傳統機器學習方法進行比較，以探討其在預測癌症亞型的潛力。 PubMed DOI

精準腫瘤學在非小細胞肺癌（NSCLC）中依賴生物標記檢測，但面臨基因組訓練不足和報告不一致等挑戰。研究評估了不同版本的ChatGPT在生成下一代測序報告及治療建議的能力，並引入生成式AI表現分數（G-PS）來衡量準確性和幻覺的出現。結果顯示，GPT-4的表現優於GPT-3.5，準確性更高且幻覺較少。這項研究顯示生成式AI在精準腫瘤學中的潛力，未來應重視其準確性和幻覺問題。 PubMed DOI

這項研究探討生成大型語言模型（LLMs），特別是GPT，在癌細胞系藥物敏感性預測（DSP）中的應用。研究調整了提示工程技術，提升GPT在藥物基因組學數據上的表現，並與現有基準比較。 主要發現包括： 1. 開發三種提示模板，提升GPT處理結構化數據的能力。 2. 微調方法顯著提高F1分數，表現最佳。 3. GPT在GDSC數據集上F1分數提高16%，展現強大泛化能力。 4. 提供藥物與通路關聯的見解，與先前發現一致。 總體而言，研究顯示GPT可作為精準腫瘤學的有效工具，改善癌症治療策略。研究代碼和數據集已公開於GitHub。 PubMed DOI

傳統藥物設計又慢又容易失敗，深度學習模型像DrugGPT雖然能產生新分子，但常常沒用。DrugGen是改良版，結合真實資料和優化技術，能產生100%有效分子，預測和多樣性都更好。測試證明它有效，還能幫助藥物再利用和新藥設計，大大提升藥物開發效率。 PubMed DOI

**重點摘要：** 這項研究介紹了一個名為 GeneRxGPT 的工具，它結合了大型語言模型（LLMs）和最新的生醫文獻，讓癌症研究人員可以更輕鬆地發現藥物與基因之間的關係、找出新的治療標的、藥物再利用，以及更深入了解複雜的分子交互作用——而且不需要具備進階的電腦運算技能。 PubMed DOI

研究團隊用大型語言模型整理超過10萬筆癌症臨床試驗，建立涵蓋78種癌症和5,315種治療的資料庫，並用推薦系統準確預測有效療法。這方法已獲專家驗證，能協助找出罕見癌症的新治療選項，為資料有限時提供更有依據的治療建議。 PubMed DOI

這項研究發現，ChatGPT（GPT-4o）能提出許多新穎又有創意的心臟毒性研究想法，例如用單細胞RNA定序、AI風險預測、機器學習分析心電圖等。雖然部分計畫太過理想化，但整體來說，AI有助於激發創新研究方向，未來有機會提升心臟毒性預測和照護品質。 PubMed DOI

這項研究用 GPT-3.5 和 GPT-4 來分析科學文獻，找出基因和藥物對傷口癒合的影響。結果發現，GPT-4 在辨識和萃取這些關係上比 GPT-3.5 更準確，顯示 GPT-4 不用再訓練就能有效協助生醫研究。 PubMed

這項研究發現，GPT-4在乳癌和婦科癌症治療建議上表現尚可，乳癌案例與專家意見一致率最高達84%。雖然經過多次提示後表現有提升，但在正確性、完整性及手術、基因檢測建議上仍有限制。未來AI可輔助臨床決策，但專家把關還是很重要。 PubMed DOI