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

對於ChatGPT在腹股溝疝氣修補手術的建議評估，專家與非專家的回應質量差異明顯。專家的評分較低（中位數2），而非專家的評分較高（中位數2），且這差異具統計意義（p < 0.001）。此外，聊天機器人提供的參考資料中，有一半是虛假的。儘管如此，受訪者對神經網絡在臨床決策中的潛力持樂觀態度，並普遍反對限制其醫療應用。因此，建議不要將大型語言模型作為臨床決策的主要資訊來源。 PubMed DOI

造口對患者的生活和心理健康造成了不少挑戰，因此需要更好的教育和支持。目前的教育方式常常無法提供足夠資訊，這時人工智慧（AI）可能會發揮作用。本研究探討了AI在結腸直腸手術後造口管理的有效性，並比較了四個大型語言模型（LLMs）：ChatGPT-3.5、ChatGPT-4.0、Google的Gemini和Bing的CoPilot。結果顯示，CoPilot和ChatGPT-4在可讀性和全面性上表現較佳，但這些模型仍需謹慎使用，因為它們的回應往往缺乏針對個別患者的考量。 PubMed DOI

這項研究探討了可獲得的醫療資訊對患者的重要性，並評估了兩個AI工具，ChatGPT和Google Gemini，針對特定醫療狀況（如深靜脈血栓、壓瘡和痔瘡）的可理解性。結果顯示，ChatGPT的內容需要較高的教育水平才能理解，且其回應與現有線上資訊相似度較高。雖然兩者在易讀性和可靠性上有差異，但統計分析未能證明哪一個工具在資訊質量上優於另一個。 PubMed DOI

這項研究評估了ChatGPT在泌尿婦科手術知情同意方面的回答準確性與可讀性。五位專家醫師針對四種手術進行評估，結果顯示質量中等，DISCERN中位數評分為3，後恥骨中尿道吊帶得分最高。準確性方面，44%的回答被認為「正確且充分」，但也有不少回答含有誤導性或不正確的信息，特別是關於手術好處和替代方案。可讀性達到研究生水平，顯示在醫療環境中需對其輸出進行專業審查。 PubMed DOI

這項研究比較了ChatGPT 4o和ChatGPT 4o mini在診斷和治療伴隨神經根症狀的腰椎間盤突出（LDH）的能力。研究評估了21個問題，並由五位骨科醫生檢視兩者的回答準確性和可靠性。結果顯示，ChatGPT 4o在分析53名病人的影像時，識別LDH的準確率達0.81，且與醫生的協議程度為中等。雖然兩者都有強大的臨床支援能力，但ChatGPT 4o的回答更全面。不過，內容的複雜性仍需改進，以提升病人的理解和減少焦慮。 PubMed DOI

這項研究評估了 ChatGPT 4.0 在提供腹主動脈瘤（AAA）資訊的準確性，針對患者和醫生的問題進行了測試。結果顯示，對患者問題的平均準確度為 4.4，與血管外科學會（SVS）的指導方針一致性也不錯，平均評分為 4.2。不過，對於 AAA 破裂風險的問題，表現僅為中等，平均評分 3.4。整體來看，ChatGPT 4.0 在 AAA 資訊上表現良好，對患者教育和醫生知識提升有潛在幫助。 PubMed DOI

這項研究評估了兩個AI聊天機器人，ChatGPT和ChatSonic，針對腹腔鏡修補腹股溝疝氣的問題所提供的回答質量。研究者提出十個問題，並由兩位外科醫生使用全球質量評分（GQS）和修改版的DISCERN評分來評估。結果顯示，ChatGPT的回答質量較高，獲得了良好的評分，而ChatSonic的表現稍遜。雖然兩者都有潛力，但在可靠性和質量上的不一致性，顯示在臨床使用前仍需進一步驗證。 PubMed DOI

這項研究發現，Bing Chat AI、ChatGPT、Gemini在搜尋腹股溝疝氣修補術相關文獻時，常會漏掉重要研究，甚至捏造不存在的文章（尤其是Gemini）。目前AI搜尋科學文獻不夠可靠，做學術研究時要特別小心。 PubMed DOI

這項研究比較DeepSeek-V3和ChatGPT-4o在回答腹腔鏡膽囊切除術常見病人問題的表現。由兩位外科醫師評分後，發現DeepSeek-V3在適切性、正確性和易讀性都勝出，顯示它在這類病人衛教上可能更有優勢。 PubMed DOI