研究比較了ChatGPT-3.5、ChatGPT-4.0和Google Bard回答近視問題的表現，結果發現ChatGPT-4.0最準確，80.6%的回答被評為「好」，比ChatGPT-3.5（61.3%）和Google Bard（54.8%）都好。三者都展現高的全面性和自我修正能力，ChatGPT-4.0在「治療和預防」方面表現最佳，顯示了LLMs，尤其是ChatGPT-4.0，在提供準確且全面的近視資訊上有潛力。 PubMed DOI

研究比較了美國醫學機構提供的肥胖手術患者教育資料（PEMs）和大型語言模型（LLMs）如GPT-3.5、GPT-4和Bard所生成的回應的易讀性。研究發現，兩者的初始回應都很難閱讀，但在提示簡化後，LLMs的易讀性顯著提高，其中GPT-4產生了最易讀的回應。該研究建議LLMs可以提高PEMs的易讀性，尤其是GPT-4，並呼籲進一步研究如何使用LLMs為各種識字水平的患者提供個性化的PEMs。 PubMed DOI

研究使用LLMs提升兒童健康識字能力，結果顯示LLMs能根據年級提供定制回應，但在六年級以下表現不佳。然而，它們可提供各種資訊，有助青少年了解健康資訊。需要進一步研究驗證其準確性和有效性。 PubMed DOI

研究發現，大型語言模型（LLMs）生成的兒童青光眼患者教育資料（PEMs）質量高、易讀且準確。其中，ChatGPT-4生成的PEMs最易讀。在改進現有線上資訊方面，只有ChatGPT-4達到六年級閱讀水平。總結來說，LLMs是提升PEMs品質和兒童青光眼資訊易讀性的寶貴工具。 PubMed DOI

研究發現大型語言模型（LLMs）如ChatGPT-3.5、GPT-4、DermGPT和DocsGPT在製作皮膚科患者教育資料（PEMs）方面表現良好，能提供易讀易懂的資訊，且大多數情況下準確無誤。其中，GPT-4在常見和罕見疾病的解釋上表現優秀，而ChatGPT-3.5和DocsGPT在罕見疾病的說明方面更為出色。總結來說，LLMs對於提升健康知識和提供易懂的PEMs具有潛力。 PubMed DOI

這篇論文探討了兩個大型語言模型（LLMs），ChatGPT4 和 PaLM2，對於年齡相關黃斑變性（AMD）患者常見問題的回答效果。研究強調患者了解病情對於慢性疾病管理的重要性。從專注於 AMD 的網站整理了143個問題，並讓這兩個模型及三位眼科醫生回答。結果顯示，ChatGPT4 在臨床共識、潛在危害等方面表現優於 PaLM2，顯示出這些模型在患者教育上的潛力，但仍需謹慎使用，不能取代專業醫療建議。 PubMed DOI

這項研究探討如何利用人工智慧驅動的大型語言模型（LLM）來提升病人手冊的可讀性。研究分析了五份來自美國鼻科學會和面部整形外科醫學會的手冊，發現原始版本難以閱讀，對應高中和大學水平。經過ChatGPT-4的修訂後，手冊的可讀性提升至接近七年級。結果顯示，LLM修訂的手冊在可讀性指標上明顯優於原版，且可理解性評分也較高。這表明AI工具能有效改善病人教育材料，使其更易於理解，對醫療教育資源的優化有正面影響。 PubMed DOI

這項初步研究顯示，針對慢性病兒童的病患教育資源有明顯不足，並評估大型語言模型（LLMs）在提供適合發展階段解釋的能力。研究結果發現，兩個常用的LLMs能夠生成準確且有效的回應，幫助兒科病患理解複雜的醫療資訊。這顯示LLMs可能成為提升病患理解與參與臨床環境的重要工具。 PubMed DOI

這項研究評估了大型語言模型（LLMs）在回答結膜炎相關問題的有效性，於復旦大學眼耳鼻喉醫院進行。研究分為兩階段，第一階段四個LLM（GPT-4、Qwen、Baichuan 2和PaLM 2）回答22個問題，專家評估其正確性、完整性等。結果顯示GPT-4表現最佳，Qwen在有用性和安全性上也不錯。第二階段中，30名結膜炎患者與GPT-4或Qwen互動，滿意度高。研究結論認為LLMs能提升患者教育，但需改善個性化和複雜性處理能力。 PubMed DOI

這項研究探討不同提示工程技術對大型語言模型（如ChatGPT3.5和GPT4）在回答視網膜疾病相關問題時的影響。研究中使用了二十個常見問題，並在獨立問題、優化提示（提示A）及加上長度和閱讀水平限制的提示B下進行測試。三位視網膜專家評估回應的準確性和全面性，結果顯示兩個模型在各指標上無顯著差異，但提示B的可讀性較高，卻以準確性和全面性為代價。研究建議未來需進一步探討LLM在病人教育中的有效性及倫理問題。 PubMed DOI