「AI 科學家」是一種創新的生物醫學研究方法，旨在設計 AI 系統來增強人類能力，而非取代人類。這些 AI 代理能進行懷疑式學習和推理，與人類研究者有效合作。透過整合先進的 AI 模型與生物醫學工具，它們能分析大量數據、探索假設並自動化重複性任務，簡化研究過程。這些代理還能持續學習，保持最新的科學知識，應用於虛擬細胞模擬、新療法開發等領域，促進生物醫學研究的進步。 PubMed DOI

生成式人工智慧（Gen AI）在醫療保健領域展現出巨大潛力，能改善病人照護、個性化治療、專業人員培訓及推進研究。它在臨床上可協助制定治療計畫、分析醫學影像、預測風險等，並透過自動化行政任務減輕醫師負擔，讓他們有更多時間與病人互動。此外，Gen AI也能提升手術結果。在非臨床方面，它增強醫學教育和醫療行銷，持續改善臨床和運營效率，使醫療服務更主動、預測性和精確。 PubMed DOI

這篇論文探討生成式人工智慧（GenAI）對研究生醫學教育（GME）的影響，指出其帶來的機會與風險。機會包括減輕電子健康紀錄的負擔、增強臨床模擬、個性化教育、支持研究與分析，以及改善臨床決策。不過，論文也提到風險，如AI輸出不準確、過度依賴AI資訊、學術誠信問題、潛在偏見及隱私風險。隨著GenAI技術的進步，理解其優缺點將變得相當重要。 PubMed DOI

這項研究探討生成式人工智慧（GenAI）在科學發現，特別是分子遺傳學的應用。結果顯示，雖然GenAI能對漸進式發現有所貢獻，但在獨立生成原創假說或突破性發現方面表現不佳，無法像人類一樣進行思考。它主要依賴現有知識和科學家的見解，缺乏識別異常或產生靈感的能力，且可能對自身表現過度自信。研究強調需解決GenAI的局限性，包括倫理和偏見問題，並探討其在科學創新中的潛在角色。 PubMed DOI

生成式人工智慧（AI），特別是大型語言模型（LLMs），在生物醫學和健康領域的專業環境及教育中影響深遠。研究顯示，LLMs在醫學執照考試、臨床問題解答等方面表現不亞於人類。這篇評論強調了LLMs的成就，並探討了可能妨礙專業知識和技能發展的挑戰，提供最佳實踐建議以應對這些問題。儘管存在挑戰，學生和教職員理解並運用這項技術仍然至關重要。 PubMed DOI

生成式AI（像ChatGPT）能大幅提升健康經濟與療效研究（HEOR）效率，協助自動化文獻回顧、資料擷取和報告撰寫。健康經濟學家應學習相關工具和技術，但要注意資料安全、偏誤和倫理問題。導入AI時，需兼顧創新、科學嚴謹與倫理，並公開方法細節，確保風險可控。 PubMed DOI

生成式AI正快速改變臨床運動生理學，帶來更精準的運動處方與醫療服務，但也引發資料隱私、照護人性化及資源分配不均等問題。本文整理相關倫理與實務議題，呼籲建立明確指引並持續研究，確保AI安全、合乎倫理地應用於臨床。 PubMed DOI

生成式AI正加速新藥研發，能深入分析複雜生物和化學資料。這篇綜述介紹主流AI模型、分子表徵和評估方式，並說明在蛋白質交互、藥物設計等應用。雖然潛力大，但還有模型解釋性差、資料不足等挑戰。文中也建議用混合模型、資料增強、雲端運算等方法來突破，並強調跨領域合作的重要性。 PubMed DOI

生成式AI有機會提升基層醫療的效率和品質，像是自動化行政、協助教學、整合病患資料等。不過，目前還需要更多由基層醫療主導的嚴謹研究，確保對醫師和病患都安全有效。作者建議學界應主動訂定研究方向，並展開國際合作來評估Gen AI的應用。 PubMed DOI

AI技術發展迅速，現有法規難以跟上，特別是在生技製藥這種高度管制產業，嚴格規範反而可能阻礙創新。本文回顧現行法規，強調需為AI醫療產品建立專屬法規，並提出混合式監管評估方法，藉由案例說明，盼兼顧創新與安全。 PubMed DOI