AI 醫學研究分享
10公開內容
分享 AI 在醫藥生技研究領域的實務應用、研究成果、產業情報等資訊，歡迎醫藥生技領域的醫師與業界朋友一同參與交流。
全部內容
免費與付費
最新發佈優先
Vertex Pharmaceuticals Incorporated公佈其用於治療1型糖尿病患者的幹細胞衍生胰島細胞療法VX-880在臨床試驗中的最新數據，顯示療效與此前報告一致。
這篇研究探討了不同醫學主題中，大型語言模型對於知識的性能差異，特別是針對腫瘤學領域的幾種主流LLMs進行評估。研究表明，大型語言模型在基礎主題上展示出比臨床腫瘤學更高的準確性，但模型仍具有一定程度的不準確性。研究結果為醫療專業人員和患者更有效地利用LLMs提供了實證支持。
本篇文章分享在NEJM上的重磅研究，利用AI技術從生物醫學訊號中推斷糖尿病患者在駕駛時的低血糖狀態。該研究填補了低血糖即時監測的缺口，提出了非侵入性的低血糖檢測解決方案。透過分析駕駛行為和視線/頭部運動數據，提取特徵並開發機器學習模型，成功偵測低血糖狀態。研究結果具有非常重要的醫療和交通安全意義。
近年來，人工智能與機器學習（AI/ML）技術快速發展，醫療設備數量呈現明顯增長趨勢。本文根據世界衛生組織國際臨床試驗註冊平臺（ICTRP）的臨床試驗數據進行全面分析，瞭解AI/ML SaMD的發展趨勢及地理分佈特徵，並強調了國際合作臨床試驗的必要性。
多模態資料與模型目前在人工智慧領域是主流話題之一。多模態對於醫學研究之所以重要，是因為它能夠提供疾病的全面觀點，從來自不同來源和類型的數據（如醫學影像、文字病歷、臨床數據與生理訊號等）結合起來，使得醫學偵測與診斷更加準確和全面。
這份研究分享了使用AI進行醫療研究的流程，介紹了三角纖維軟骨複合體（TFCC）的定位、重要性，以及如何應用MRI和AI協助進行影像判讀進而降低患者痛楚。研究使用兩種卷積神經網絡進行深度學習模型的設計與訓練以預測TFCC損傷的機率。最後得出結論MRNet 框架較能夠檢測TFCC損傷並協助醫師準確診斷。
本篇文章主要介紹一位菲律賓學者對使用大型語言模型產生文章的想法，說明如何利用AI技術進行學術寫作，以及提示工程的重要性。文中介紹了許多在醫學領域的應用以及學術寫作中的多種提示類型。文章還提到了。本文將會給讀者帶來對AI在學術寫作領域的啟發。
本文章介紹了Nature期刊中關於蛋白質序列的深度學習模型以及未來應用的重要性。蛋白質設計的應用從生物醫學到環境科學等各個領域解決問題方面具有巨大潛力。
今天分享長期觀察 AI 議題的 Martin Signoux 對2024年AI技術領域的觀點。他認為「大型語言模型」未來將不具備任何優勢，未來發展是「大型多模態模型」，而且在2024年的議題量將會超越「大型語言模型」，此觀點也受到楊立昆（Yann LeCuu）的認同。
根據美國FDA的數據顯示，2023年的申請量是歷年最大，放射學領域是AI/ML-SaMD的醫材設備申請數持續穩定成長的科別。AI/ML-SaMD的醫材設備通過量預計將成長30％以上。放射科領域佔全部通過量的76%，估計2023年也將保持居冠。
