人口健康倡議常透過冷接觸來解決預防性護理的缺口，如篩檢和疫苗接種。針對不同病患族群量身定制訊息是一大挑戰，因為傳統A/B測試需大量樣本。隨著大型語言模型（LLMs）的興起，分層測試結合LLMs與人類代理成為可能，關鍵在於如何識別需要不同人類支持的病患。研究顯示，序列多重分配隨機試驗（SMART）在個性化溝通上比A/B測試更具成本效益，特別在檢測異質性治療效果時，尤其在後期隨機化階段更為明顯。 PubMed DOI

這篇論文提出了一個臨床試驗方案推薦系統，結合大型語言模型GPT-4與知識圖譜，旨在提升患者與臨床試驗的匹配效率。系統透過GPT-4的語意分析能力，根據患者特徵推薦合適的試驗方案。實驗結果顯示，GPT-4在方案排序和個性化推薦上優於其他模型。未來版本將納入更多患者因素，進一步提升推薦的個性化程度。這種整合有望對醫學研究和公共衛生管理帶來顯著好處，推動臨床試驗的發展。 PubMed DOI

BRAD agent 是一套開源軟體，能把大型語言模型和外部研究工具、資料來源整合，提升生醫研究的透明度和可重現性。它強調資料來源清楚、操作流程可靠，能自動化文獻檢索、biomarker 發現等任務，彈性高，適合多種應用。原始碼和文件都已公開。 PubMed DOI

這篇文章介紹「動態部署」框架，專為醫療AI臨床試驗設計，特別適用於會持續學習的大型語言模型。這種方式讓AI能根據新資料和用戶互動即時更新，同時透過持續監控和臨床驗證，確保安全又有效。 PubMed DOI

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

DREAM 是全球首個全自動化生物醫學研究系統，能獨立提出科學問題、建立運算環境並驗證結果，完全不需人工協助。它在問題提出和運算環境設定上都比專家更厲害，還能發現新知識，效率甚至比一般科學家快上萬倍，對生醫和數據研究有很大幫助。 PubMed DOI

臨床試驗中，方案偏差（PDs）定義不一，難以有效辨識關鍵影響。傳統用NLP分類PDs又慢又複雜。這項研究用Meta Llama2大型語言模型，開發自動化系統，能快速分類Roche系統裡的PDs，自動標記出超過八成可能影響結果的PDs，讓專家能聚焦審查，大幅提升效率，幾分鐘就能得到有用見解。 PubMed DOI

這個專案用標準化流程和大型語言模型來分析MAUDE資料庫裡醫療器材報告的自由敘述，提升事件分類的準確率和效率。以內視鏡黏膜切除術為例，這方法也能應用到其他醫材。不過，若要做更全面的病人安全研究，還需要更多元且大量的報告樣本。 PubMed DOI

這項研究開發了一套AI預篩選流程，把複雜的臨床試驗納入標準拆成簡單問題，並結合兩種大型語言模型來判斷病人資格。這系統不只準確率高、速度快，還能保障資料安全，特別適合資源有限的醫療單位，有助於提升肝病臨床試驗的招募效率。 PubMed DOI

大型語言模型（LLMs）能自動化調整 Excel 健康經濟模型和技術報告到新情境，準確率高、成本低。只要幾分鐘、幾美元就能完成，且調整結果幾乎完美。這方法有望加快健康科技評估流程，讓病患更快取得治療。 PubMed DOI