研究比較四個大型語言模型對牙科問題的回答，發現ChatGPT-4表現最好，但所有模型都有不準確和缺乏參考來源的問題。強調語言模型在牙科領域的潛力，但也提到目前的限制需要謹慎處理。建議牙醫要保持批判思考，並進一步研究如何安全地應用語言模型在牙科實務上，同時呼籲監管措施以監督技術使用。 PubMed DOI

2023年日本牙醫師考試研究發現，GPT-4答對率最高，Google Bard次之，GPT-3.5最差。Bard及格，GPT-4對一般問題表現好。但在牙科問題上表現不佳，需深入研究LLMs在全球臨床牙科的運用。 PubMed DOI

這篇評論討論了使用大型語言模型（LLMs）製作醫學多重選擇題考試的議題。研究指出LLMs在產生問題上有效，但需注意部分問題不適合醫學考試，需修改。未來研究應解決這些限制，LLMs可作為撰寫醫學多重選擇題的工具，但應謹慎使用。 PubMed DOI

這項研究分析了三個大型語言模型（LLMs）—ChatGPT（4和3.5版）及Google Gemini—在回答美國牙周病學會的考試問題時的準確性，並與人類研究生的表現進行比較。結果顯示，ChatGPT-4的準確率達79.57%，表現最佳；Google Gemini的準確率介於70.65%到75.73%之間，優於ChatGPT-3.5，但仍低於三年級住院醫師。ChatGPT-3.5的表現最差，準確率在59.27%到69.83%之間。研究指出LLMs在牙周病學教育上的潛力，但也需進一步研究以克服其限制。 PubMed DOI

這項研究評估了大型語言模型（LLMs），如ChatGPT、Bard和Bing Chat，在牙科教育中的有效性，分析了它們在2023年日本國家牙科衛生師考試的73道問題表現。結果顯示，GPT-4的準確率最高，達75.3%，其次是Bing（68.5%）、Bard（66.7%）和GPT-3.5（63.0%）。雖然模型間差異不顯著，但在「疾病機制與促進恢復過程」類別中，所有模型均達100%準確率。整體來看，GPT-4在多選題上表現優異，顯示其在牙科衛生學習中的潛力。研究強調了LLMs在教育中的演進能力。 PubMed DOI

這項研究探討大型語言模型（LLMs），如ChatGPT和Claude3-Opus，在牙科教育及實踐中的應用，特別是它們在韓國牙科執照考試（KDLE）的表現。評估涵蓋了GPT-3.5、GPT-4和Claude3-Opus，考題來自2019至2023年。結果顯示，Claude3-Opus表現優於其他模型，除了2019年時ChatGPT-4最佳。Claude3-Opus和ChatGPT-4通過了及格分數，但ChatGPT-3.5未能通過。所有LLMs的得分仍低於人類牙科學生，僅約85.4%。研究建議，雖然LLMs尚未達到人類水平，但仍可在牙科領域提供有價值的支持。 PubMed DOI

這項研究分析了不同大型語言模型（LLMs）在牙科和根管治療學生評估中的表現。共測試151道選擇題，結果顯示ChatGPT-4.0o的準確率最高，達72%，其次是ChatGPT-4.0的62%、Gemini 1.0的44%和ChatGPT-3.5的25%。不同模型之間的表現差異明顯，特別是ChatGPT-4系列表現最佳。雖然這些模型能協助回答牙科問題，但效果因模型而異，顯示出ChatGPT-4系列在牙科教育上的潛力。 PubMed DOI

本研究評估了三個大型語言模型（LLMs）—ChatGPT-4、Gemini 1.0 和 Claude 3 Opus—在回答日本麻醉學會牙科麻醉專業認證考試問題的表現。結果顯示，ChatGPT-4的正確率為51.2%，Claude 3 Opus為47.4%，而Gemini 1.0僅有30.3%。雖然前兩者在某些領域表現較佳，但目前的正確率仍不足以支持臨床應用。研究指出，需改善高品質資訊的可獲得性及提示設計，以提升LLMs在牙科麻醉的實用性。 PubMed DOI

**引言** 隨著人工智慧的發展，大型語言模型（LLMs）在牙科領域的應用逐漸受到重視。這些模型能生成類似人類的文本，潛在地提升臨床實踐和病人教育，但其準確性對病人護理至關重要。 **目的** 本研究首次評估不同LLMs的牙科知識，透過分析它們對全國牙科考試（INBDE）問題的回答準確性。 **方法** 我們測試了多個閉源和開源的LLMs，針對「病人箱」風格的問題及傳統多選題進行評估。 **結果** ChatGPT-4的準確率最高，達75.88%；Claude-2.1為66.38%；Mistral-Medium則為54.77%。模型間的表現差異顯著。 **結論** 研究顯示LLMs在牙科的潛力，並強調選擇合適模型的重要性，但在臨床應用前仍需克服一些挑戰。 PubMed DOI

這項研究評估了四個大型語言模型（LLMs）在解答牙周病學問題的可靠性，包括ChatGPT 4.0、Google Gemini、Google Gemini Advanced和Microsoft Copilot。研究提出十個問題，並由兩位牙周病專家根據全面性、準確性、清晰度和相關性進行評分。結果顯示，ChatGPT 4.0表現最佳，而Google Gemini得分最低。雖然LLMs在臨床實踐中有潛力，但不應取代專業牙醫，因為不準確的資訊可能影響病人護理。總之，ChatGPT 4.0優於其他模型，但仍需注意其局限性。 PubMed DOI