大型語言模型（LLM）是強大的人工智慧工具，可促進類似人類的溝通並提供有價值的資訊。研究發現，ChatGPT在回答脊椎外科醫師有關急性腰椎間盤突出（LDH）問題時表現良好，清晰度高且特定。儘管未涵蓋所有知情同意書內容，但提供額外見解。然而，回答中有些許不準確。LLM如ChatGPT有助於患者教育，但需謹慎監控風險與機會。 PubMed DOI

研究評估使用ChatGPT向病人提供醫學資訊，並比較ChatGPT-3.5和ChatGPT-4的表現。結果顯示ChatGPT-4準確性較佳，回答也較完整。雖然ChatGPT有應用價值，但仍需謹慎確保病人安全及護理品質，並進一步研究在醫學領域使用大型語言模型的可行性。 PubMed DOI

生成式人工智慧如ChatGPT和Google Bard被應用在患者教育，例如腰椎間盤突出。研究發現，這些AI回答腰椎間盤突出的問題時，準確性和清晰度有差異，需要改進。未來應該專注於提升AI模型，以增進患者和醫師之間的溝通。 PubMed DOI

研究比較OpenAI的ChatGPT 3.5和Google的Bard在回答腰椎融合手術問題時的表現，結果顯示兩者回答品質高，但在手術風險、成功率和手術方法等特定問題上表現較差。評分者間一致性不高，Bard在同理心和專業性方面稍遜。未來需加強大型語言模型在醫學教育和醫療溝通的應用。 PubMed DOI

這項研究評估了ChatGPT-3.5和ChatGPT-4.0在回答腰椎間盤突出合併神經根症的臨床問題時的表現。結果顯示，ChatGPT-3.5的準確率為47%，而ChatGPT-4.0提升至67%。雖然兩者都提供了補充資訊，但ChatGPT-4.0的補充資訊較少。特定方面如定義和病史檢查兩者皆達100%準確率，但在診斷測試上，3.5為0%，4.0則為100%。整體來看，ChatGPT-4.0的表現優於3.5，但醫師仍需謹慎使用，以防錯誤資訊。 PubMed DOI

頸椎病是常見的退化性脊椎疾病，患者常尋求醫療資訊來管理症狀。本研究評估大型語言模型（LLMs）對頸椎病患者常見問題的回答準確性。三位經驗豐富的脊椎外科醫生評估來自不同LLMs的回應，結果顯示所有模型表現滿意，尤其是GPT-4的準確性最高。分析中也顯示不同主題的表現差異，反映了目前人工智慧的限制及未來發展的潛力。 PubMed DOI

這項研究評估了大型語言模型（LLMs），如ChatGPT和Gemini，在提供小兒骨科疾病建議的可靠性，並參考了美國骨科醫學會（AAOS）的指導方針。結果顯示，ChatGPT和Gemini的符合率分別為67%和69%，差異不大。值得注意的是，ChatGPT沒有引用任何研究，而Gemini則參考了16項研究，但大多數存在錯誤或不一致。總體來看，這些模型雖然在某程度上符合指導方針，但仍有許多中立或不正確的陳述，顯示醫療AI模型需改進與提高透明度。 PubMed DOI

這項研究評估了幾個商業可用的大型語言模型（LLMs）在提供治療建議時，與美國骨科醫學會（AAOS）針對肩袖撕裂和前交叉韌帶（ACL）損傷的臨床指導方針（CPGs）的符合度。分析了48項CPGs，結果顯示70.3%的回應與指導方針一致，ChatGPT-4的符合率最高（79.2%），而Mistral-7B最低（58.3%）。研究指出，雖然LLMs能提供一致建議，但缺乏透明的資料來源，限制了其作為臨床支持工具的可靠性，未來應擴大評估範圍以減少偏見。 PubMed DOI

這項研究評估了ChatGPT-4在生成骨科疾病治療建議的有效性，並與美國骨科醫學會的指導方針及醫師計畫進行比較。主要發現包括： 1. ChatGPT-4的建議與AAOS指導方針一致性達90%。 2. 與主治醫師的建議一致性為78%。 3. 在骨折及關節炎案例中表現優異，但腕管綜合症表現不佳。 4. 不一致主要出現在腕管綜合症及其他特定損傷。 5. 雖然ChatGPT-4能提供準確建議，但在考量患者特定因素時仍需醫師的批判性評估。 總之，ChatGPT-4在骨科治療中具輔助潛力，但需專業監督。 PubMed DOI

這項研究評估了三種大型語言模型（LLMs）—ChatGPT 3.5、ChatGPT 4.0 和 Google Bard—在提供青少年特發性脊柱側彎（AIS）資訊的效果。研究人員針對AIS的常見問題設計了10個關鍵問題，並由專業醫生評估這些模型的回答。結果顯示，只有26%的回答被評為「優秀」，其中ChatGPT 4.0表現最佳，達39%。雖然這些模型在清晰度和同理心上表現不錯，但仍需改進，特別是在語言適用性和情境理解方面。整體而言，這項研究顯示了LLMs在病人教育中的潛力。 PubMed DOI