An Accurate and Efficient Approach to Knowledge Extraction from Scientific Publications Using Structured Ontology Models, Graph Neural Networks, and Large Language Models.
一種準確且高效的科學文獻知識提取方法：使用結構化本體模型、圖神經網絡和大型語言模型。 Int J Mol Sci 2024-11-09

這項研究探討了研究人員在處理大量生物醫學文獻時的挑戰，並提出了一種混合方法，結合文本挖掘、圖神經網絡（GNNs）和微調的大型語言模型（LLMs）。這種方法旨在增強生物醫學知識圖譜，並解釋預測的關係。研究顯示，該方法在蛋白質相互作用數據集上達到0.772的馬修斯相關係數，並在失眠研究中識別出25個新的人類蛋白質相互作用。這種方法有助於加速治療靶點的發現，並提高文獻分析的效率。 PubMed DOI

Leveraging Medical Knowledge Graphs Into Large Language Models for Diagnosis Prediction: Design and Application Study.
將醫學知識圖譜融入大型語言模型進行診斷預測：設計與應用研究。 JMIR AI 2025-02-24

這項研究介紹了DR.KNOWS，一個結合知識圖譜（KGs）與大型語言模型（LLMs）的新模型，旨在提升電子健康紀錄（EHRs）的診斷推理。透過KGs的結構化知識，DR.KNOWS能更精確地檢索病人相關的醫療資訊，改善診斷預測。實驗結果顯示，DR.KNOWS在準確性上超越了多個基準模型，並獲得了人類評估者的肯定。研究也提到KG數據可能存在的偏見，並建議未來需針對這些問題進行改善。總體而言，DR.KNOWS在臨床決策支持上具有重要意義。 PubMed DOI

Large Language Model-Driven Knowledge Graph Construction in Sepsis Care Using Multicenter Clinical Databases: Development and Usability Study.
多中心臨床數據庫在敗血症護理中驅動大型語言模型的知識圖譜構建：開發與可用性研究。 J Med Internet Res 2025-03-27

這項研究利用GPT-4.0整合臨床數據，開發了一個全面的敗血症知識圖譜。敗血症是一種變異性大的病症，傳統知識圖譜建構困難。研究者從中國西部三家醫院建立了多中心敗血症數據庫，收集了10,544名患者的數據。透過GPT-4.0的技術，成功生成了包含1,894個節點和2,021個關係的知識圖譜，顯示其在實體識別和關係提取上的優越性。這項成果不僅增進了對敗血症的理解，也為臨床決策提供了支持，成為未來研究的寶貴資源。 PubMed DOI

Alzheimer's disease knowledge graph enhances knowledge discovery and disease prediction.
Alzheimer's disease 知識圖譜提升知識發現與疾病預測 Comput Biol Med 2025-04-30

研究團隊整合生醫文獻和資料庫，建立阿茲海默症知識圖譜（ADKG），用NLP技術捕捉AD相關基因、藥物等複雜關聯。經ADKG訓練的模型能預測新關聯，並結合UK Biobank資料後，提升AD預測準確度。ADKG有助於加速治療與診斷發現，推動阿茲海默症精準醫療發展。 PubMed DOI

AD-AutoGPT: An autonomous GPT for Alzheimer's disease infodemiology.
AD-AutoGPT：用於阿茲海默症資訊流行病學的自動化GPT PLOS Glob Public Health 2025-05-07

這篇研究介紹了 AD-AutoGPT，一款能自動蒐集、分析主流新聞中阿茲海默症相關資訊的 AI 工具。它會根據使用者需求，辨識趨勢和關鍵字，協助掌握阿茲海默症的公共討論動態，展現 AI 在公共衛生研究上的應用潛力。詳細內容可參考 GitHub 專案頁面。 PubMed DOI

Detection of patient metadata in published articles for genomic epidemiology using machine learning and large language models.
利用機器學習與大型語言模型於基因體流行病學中偵測已發表論文的病患元資料 medRxiv 2025-05-09

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

Large language models for infectious diseases require evidence generation and regulation.
感染性疾病用大型語言模型需證據產生與規範 Intern Med J 2025-05-27

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

Advancing real-time infectious disease forecasting using large language models.
利用大型語言模型推進即時傳染病預測 Nat Comput Sci 2025-06-06

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

Leveraging Social Determinants of Health in Alzheimer's Research Using LLM-Augmented Literature Mining and Knowledge Graphs.
運用LLM增強的文獻探勘與知識圖譜，發掘社會健康決定因素於Alzheimer's研究中的應用 AMIA Jt Summits Transl Sci Proc 2025-06-12

這項研究開發了一套自動化系統，運用大型語言模型和自然語言處理，從文獻中擷取健康社會決定因素，並結合阿茲海默症的生物資料建立知識圖譜。透過圖神經網路預測關聯，有助於了解社會因素對AD風險的影響，且方法也適用於其他健康議題。程式碼已公開在GitHub。 PubMed

Use of Large Language Models to Classify Epidemiological Characteristics in Synthetic and Real-World Social Media Posts About Conjunctivitis Outbreaks: Infodemiology Study.
運用大型語言模型於合成與真實社群媒體貼文中分類結膜炎疫情流行病學特徵之資訊流行病學研究 J Med Internet Res 2025-07-02

這項研究發現，像 GPT-4 這類大型語言模型，能準確從社群貼文判斷結膜炎疫情的類型、規模和原因，表現有時甚至比人類專家還好。雖然敏感度還有進步空間，但 LLM 未來有機會協助自動化公共衛生監測，幫助及早發現疫情並提醒相關單位。 PubMed DOI

原始文章

站上相關主題文章列表