生成式人工智慧（GenAI）能創造原創內容，模仿人類思考，對醫療保健等領域影響深遠。不過，它也帶來網路安全的隱憂，如數據隱私、數據中毒、偏見及不準確輸出等問題。為了降低這些風險，建議採取風險緩解策略，強化GenAI的網路安全。此外，了解GenAI的複雜性與風險，對於在醫療產業中發揮其潛力至關重要，能成為變革的推動力。 PubMed DOI

這篇評論探討了人工智慧（AI）在癌症研究中的雙重角色。一方面，AI工具如人工通用智慧（AGI）和生成式AI（GenAI）提升了研究效率，幫助科學家在腫瘤分析和治療預測上取得進展，對癌症患者的研究價值有正面影響。另一方面，過度依賴AI可能削弱人類的創造力、批判性思維和抽象能力，影響科學的突破性發現。總之，雖然AI能提升癌症研究的生產力，但也帶來創造性和批判性思考的風險。 PubMed DOI

這篇文章擴展了七部分系列中的介紹，重點在生成式人工智慧（Gen AI）在病理學和醫學的潛力。探討了Gen AI的應用，包括自訂聊天機器人生成診斷報告、合成影像訓練模型、數據集增強及教育情境生成。文章分類了開源與閉源模型，討論了GPT-4、Llama、Mistral、DALL-E和Stable Diffusion等流行模型的框架與限制，並回顧了所需的基本工具。最後，展望了Gen AI對醫療未來的影響，並討論隱私、偏見、倫理等相關挑戰。 PubMed DOI

生成式人工智慧（AI）在醫療保健中有潛力提升診斷準確性和個性化治療，但其快速且未受監管的使用引發了多項倫理問題。主要問題包括AI可能產生誤導性資訊，導致誤診，強調了醫師監督的重要性。此外，許多大型語言模型缺乏透明度，可能削弱病人和醫療提供者的信任。AI的監管不足也使得病人數據安全和合成數據的有效性成為挑戰。為確保AI的安全使用，需建立嚴格的數據安全標準和跨學科的監督機制，以保障病人的安全和信任。 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