研究評估了ChatGPT等人工智慧平台對常見腳踝問題的醫療建議品質，結果顯示回應的教育價值有差異，應警惕其資訊品質。使用DISCERN和AIRM工具評估，發現68.2%為頂層，27.3%為中層，4.5%為底層。 PubMed DOI

ChatGPT是一個能夠創造類似人類寫作的語言模型，很難區分真假。研究測試人們是否能分辨AI生成的摘要和人類寫的，以及AI檢測器的準確性。骨科醫師和教授們辨識AI生成的摘要，結果喜憂參半。檢測AI內容對防止科學出版的虛假資訊至關重要，需要更多研究改進檢測方法。 PubMed DOI

研究比較三種人工智慧工具在骨科臨床決策上的表現，發現ChatGPT 4與人類回應最一致。然而在爭議案例中，人工智慧工具表現較不準確，顯示仍有改進空間。在臨床應用上需謹慎整合，未來研究應專注於開發專用臨床人工智慧工具以提升效能。 PubMed DOI

這項研究比較了由一個大型語言模型（LLM）生成的摘要與人類撰寫的摘要在醫學研究領域的情境下。研究發現，根據骨科醫師的評估，LLM生成的摘要在可區分性和質量方面均不如人類撰寫的摘要。這項研究建議在醫學領域使用LLM進行科學寫作時要謹慎。 PubMed DOI

研究比較人類審查員和AI檢測軟體在醫學領域摘要辨識的表現，結果顯示AI較佳但有限制。Grammarly指出原創摘要問題多於AI。建議未來醫學研究需明確AI使用指南，因AI普及需求增加。 PubMed DOI

研究比較了OpenAI ChatGPT Chatbot和FootCareMD®提供的足踝外科資訊。結果顯示，FootCareMD®的資訊易讀性高且品質優於ChatGPT。研究指出，AI查詢可能提供高級資訊，但可靠性較低。在診斷治療足踝狀況時，應考慮資訊品質。 PubMed DOI

評審人員在肩膀和肘部手術領域的測試中，發現區分人工智慧生成和原創研究摘要的挑戰。他們對人工智慧生成的辨識率為62%，但有38%的原創摘要被誤認為人工智慧生成。GPTZero工具生成的摘要被認為具有較高的人工智慧概率。在抄襲檢測方面，人工智慧生成的摘要得分較低。評審人員表示區分人類和人工智慧生成的內容相當困難，不實際的數據有助於識別人工智慧生成的摘要，而寫作風格則導致原創摘要被誤認。 PubMed DOI

這項研究探討普通外科住院醫師訓練的教職員是否能區分人類與AI（如ChatGPT）撰寫的文章。研究生成了十篇文章，五篇由住院醫師撰寫，五篇由ChatGPT生成。十位教職員進行盲評，結果顯示兩組文章的得分差異不大，ChatGPT的平均得分為66.0%，人類為70.0%。教職員在識別文章來源上也面臨困難，顯示出對AI生成內容的偏見。這提醒學術界需準備面對AI在醫學教育中的影響。 PubMed DOI

這項研究評估了ChatGPT 3.5和4.0版本在生成和評分醫學研究摘要的能力。研究期間為2023年8月至2024年2月，訓練聊天機器人根據文獻創建10個摘要，並與現有摘要進行比較。五位外科醫生評審發現，AI生成的摘要與人類撰寫的質量相當，評分中位數相似。雖然版本1的評分接近評審者的評價，但版本2則偏向給予較高分數。整體而言，研究顯示AI能有效生成難以區分的醫學摘要，顯示其在醫學研究中的潛力。 PubMed DOI

這項研究評估了ChatGPT-4在處理足部和踝部病變的診斷能力，提供了八個臨床案例，並由三位專科骨科醫生進行評分。結果顯示，ChatGPT-4的平均得分為22.0分（滿分25分），對Morton神經瘤的案例得分最高（24.7分），而腓骨肌腱撕裂的案例得分最低（16.3分）。雖然它在診斷和治療建議上表現優異，但在提供全面資訊和替代治療選項方面仍有不足。不過，它並未提出虛構的治療方案，顯示出其可靠性。總體來看，ChatGPT-4可成為醫生提供病人教育的有用工具。 PubMed DOI