深度學習技術在自然語言處理領域有顯著進展，如OpenAI的ChatGPT聊天機器人。儘管在臨床問題上表現出潛力，仍有限制，如訓練數據過時可能導致不準確，無法引用來源或完全理解用戶查詢。使用這些模型需謹慎，確保提供有用資訊並避免造成損害。 PubMed DOI

研究比較四個大型語言模型在眼科、骨科和皮膚科領域生成醫學內容的表現，發現不同模型在治療建議的質量、準確性和安全性上有差異。GPT-3.5-Turbo最安全，Bloomz質量較差。研究強調需持續改進人工智慧工具，確保醫學建議可靠。建議引入GPT-4的自動評估機制，擴展評估範疇。 PubMed DOI

研究比較了三個大型語言模型（LLMs）在談論骨盆器官脫垂（POP）資訊的表現，並拿英國皇家婦產科醫師學院（RCOG）的資料來比較。結果發現，ChatGPT在完整性方面最好，Bing在準確性方面較強。整體而言，ChatGPT表現較好，強調了在傳遞健康資訊時要仔細看LLM的輸出。 PubMed DOI

研究比較Google Bard、ChatGPT-3.5和ChatGPT-4對口腔健康問題的建議效果，結果發現Google Bard易讀性高，但適當性稍差；ChatGPT-3.5和ChatGPT-4在適當性表現較好，尤其ChatGPT-4更穩定。這些模型被認為無害，對幫助性和意圖捕捉也相當。顯示大型語言模型在口腔健康護理有潛力，但仍需改進和考慮道德問題，未來研究應著重於安全整合策略。 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

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 OpenAI 的 ChatGPT 和 Microsoft 的 Copilot 兩個大型語言模型在結腸癌管理建議上的準確性。結果顯示，兩者在 36% 的情境中提供正確回應。ChatGPT 有 39% 的回應缺乏資訊，24% 不準確；Copilot 則有 37% 缺少資訊，28% 不準確。兩者表現差異不顯著。此外，臨床醫師的回應明顯較短，平均 34 字，而 ChatGPT 和 Copilot 分別為 251 和 271 字。研究指出，雖然 LLM 可協助臨床決策，但仍需優化以確保準確性。 PubMed DOI

這項研究評估了 ChatGPT 和 Google Bard 兩個大型語言模型在婦科癌症管理問題上的表現。結果顯示，這兩個模型對於一些常見問題的回答大多準確，如子宮頸癌篩檢和 BRCA 相關問題。然而，面對更複雜的案例時，它們的表現較差，常缺乏對地區指導方針的了解。儘管如此，這些模型仍能提供病人和照護者在管理和後續步驟上的實用建議。結論指出，LLMs 雖無法取代專業醫療建議，但可作為輔助工具，提供資訊和支持。 PubMed DOI

這項研究分析了大型語言模型（LLMs），特別是GPT-3.5和GPT-4，在婦產科教育中的表現。研究比較了2020至2023年間116道考題的得分，結果顯示GPT-4的平均得分為79.31，與住院醫師的得分相當，顯示其表現優異。特別是在婦產科問題上，GPT-4的得分高達90.22，顯示其在該領域的強大能力。研究強調，雖然LLMs如GPT-4展現出潛力，但仍需注意其局限性，應作為人類專業知識的輔助工具。 PubMed DOI

這項研究評估了兩個大型語言模型（LLMs），ChatGPT 4.0 和 Gemini 1.0 Pro，在生成病人指導和教育材料的效果。研究發現，兩者提供的信息一致且可靠，但在藥物過期和處理指導上有所不足。ChatGPT 4.0 在可理解性和可行性上表現較佳，且其輸出可讀性較高。整體來看，這些模型能有效生成病人教育材料，但仍需醫療專業人員的監督與指導，以確保最佳實施。 PubMed DOI