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

研究發現使用大型語言模型（LLMs）可以提升美國FDA發布的藥物安全通訊易讀性，讓患者更容易理解。透過ChatGPT 4.0©和Gemini©等LLMs，將閱讀難度下降至六年級水準，保持準確性和重要訊息。顯示LLMs有助於簡化健康資訊，但仍需進一步研究應用在不同語言和真實情境中的患者。 PubMed DOI

本研究評估了三個大型語言模型（LLMs）生成的泌尿科病人資訊小冊子（PILs）品質，包括ChatGPT-4、PaLM 2和Llama 2。針對包皮環切術、腎切除術、過動膀胱症候群及經尿道前列腺切除術（TURP）進行評估。結果顯示，PaLM 2的PILs品質最佳，平均得分3.58，且最易閱讀。雖然LLMs能減輕醫療人員負擔，但內容仍需臨床醫師審查，且閱讀水平偏高，顯示需改進算法或提示設計。病人對這些小冊子的滿意度尚未評估。 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

近年來，大型語言模型（LLMs）已被應用於醫療領域，特別是在前列腺癌的病患溝通上。我們的研究評估了三種LLM的效果，包括ChatGPT（3.5）、Gemini（Pro）和Co-Pilot（免費版），並與官方的羅馬尼亞前列腺癌病患指南進行比較。透過隨機和盲測，八位醫療專業人員根據準確性、及時性、全面性和使用友好性進行評估。結果顯示，LLM，尤其是ChatGPT，通常提供比指南更準確且友好的資訊，顯示出其在改善醫療溝通上的潛力。不過，不同模型的表現差異也顯示出需要量身定制的實施策略。 PubMed DOI

這項研究評估了人工智慧生成語言模型（GLMs），特別是ChatGPT-3.5和GPT-4，如何根據病人教育水平調整醫療資訊，這對解決低健康素養問題很重要。研究使用第二型糖尿病和高血壓的案例，分析生成內容的可讀性。結果顯示，GPT-3.5的可讀性僅符合學士學位水平，而GPT-4則能適應多數群體的需求。這兩個模型在可讀性上有顯著差異，顯示GLMs能調整醫療文本的複雜性，但仍需進一步研究以提升其個性化調整能力。 PubMed DOI

這項研究評估了三個大型語言模型（LLMs）—ChatGPT-3.5、ChatGPT-4 和 Google Bard 在製作小兒白內障病人教育材料的效果。研究使用三個提示來測試模型的表現，並根據質量、可理解性、準確性和可讀性進行評估。結果顯示，所有模型的回應質量都很高，但沒有一個被認為是可行的。特別是，ChatGPT-4 生成的內容最易讀，並能有效將材料調整至六年級的閱讀水平。總體來看，ChatGPT-4 是生成高質量病人教育材料的有效工具。 PubMed DOI

這項研究評估了大型語言模型（LLMs），如ChatGPT和Gemini，對黑色素瘤病人問題的回答效果，並與荷蘭的病人資訊資源（PIRs）比較。結果顯示，ChatGPT-3.5在準確性上表現最佳，而Gemini在完整性、個人化和可讀性方面優秀。荷蘭的PIRs在準確性和完整性上表現穩定，某網站在個人化和可讀性上特別強。整體來看，LLMs在大多數領域超越PIRs，但準確性仍需加強，且LLM的可重複性隨時間下降。研究強調，LLMs需提升準確性和可重複性，才能有效取代或補充傳統PIRs。 PubMed DOI

這項研究評估了三個大型語言模型（LLMs）—ChatGPT-3.5、ChatGPT-4 和 Google Bard，針對特發性顱內高壓（IIH）的病人教育材料（PEMs）生成能力。使用三種提示進行評估，結果顯示所有模型都能產生高質量且準確的PEMs，但只有ChatGPT-4能生成符合六年級閱讀水平的內容，並成功重寫現有材料而不影響質量。結論是，特別是ChatGPT-4在創建高可讀性和準確性的病人教育材料方面表現優異。 PubMed DOI

這篇回顧探討大型語言模型（LLMs）在病人教育和參與中的應用，分析了201項主要來自美國的研究，並提出六個關鍵主題，包括生成病人教育材料、解釋醫療資訊、提供生活方式建議等。研究顯示，LLMs能有效生成易懂的內容，改善病人與醫療提供者的溝通，但也存在可讀性、準確性及偏見等問題。未來需進一步研究以提升LLM的可靠性，並解決其在醫療應用中的倫理挑戰。 PubMed DOI