研究比較ChatGPT和Google Bard在解剖學教育上的應用，發現兩者在回答問題和出題方面表現相似，但在寫文章方面還有改進空間。結果顯示使用語言模型需謹慎，以免提供不正確或誤導性資訊。雖然大型語言模型在解剖學教學有潛力，但還需進一步研究提升其在教育上的效果。 PubMed DOI

研究比較不同AI語言模型回答組織學和胚胎學問題的表現，發現聊天機器人在回答問題上表現不錯，但在問題分類上有困難，且表現會隨時間不一致。儘管能給出正確答案，但缺乏一致性，因此在醫學教育中使用需謹慎。 PubMed DOI

人工智慧技術，特別是生成式預訓練轉換器（GPTs），有潛力提升解剖科學教育。AnatomyGPT是針對解剖科學教育設計的AI應用程式，在解剖主題的考試題目上表現優異，比ChatGPT更具參考價值。這研究顯示，像AnatomyGPT這樣的定製GPT對於教授和學習解剖學可能有幫助，但還需要進一步研究來探索其在教育中的潛力。 PubMed DOI

研究比較了ChatGPT 3.5和Gemini回答200個微生物學問題的表現，兩者準確率約70%。Gemini在微生物學和免疫學表現較佳，ChatGPT 3.5則在應用微生物學方面表現突出。研究指出，這些人工智慧平台在微生物學和醫學教育上有潛力，但仍需進一步改進以提升表現。 PubMed DOI

這項研究評估了一個名為Anatbuddy的AI聊天機器人，專注於提供準確的解剖學資訊，並與ChatGPT 3.5進行比較。Anatbuddy採用檢索增強生成的方法，能根據特定知識庫給出有上下文的回應。三位解剖學專家評估了18個胸部解剖問題的回答，結果顯示Anatbuddy的事實準確性得分明顯高於ChatGPT（4.78對4.11）。雖然其他評估標準差異不大，但研究建議應開發自訂AI聊天機器人以提升解剖學教育的準確性，並呼籲進一步探討學生對這類工具的接受度及其學習影響。 PubMed DOI

這項研究評估了ChatGPT 4.0在2019年骨科住院醫師訓練考試中的表現。結果顯示，ChatGPT在純文字問題的正確率為49%，而帶有圖片的問題為48%。當圖片描述由AI生成時，表現下降6%。整體來看，ChatGPT的表現低於所有住院醫師班級，尤其比一年級住院醫師低4%。研究指出，雖然ChatGPT在醫學考試中有一定能力，但仍未達到住院醫師的水準，顯示AI在醫學教育中的潛力與限制。 PubMed DOI

這項研究探討了先進人工智慧模型在放射學的診斷能力，特別是ChatGPT（3.5和4.0版本）及Google Gemini的表現。分析262道選擇題後，結果顯示ChatGPT 4.0準確率最高，達64.89%，其次是ChatGPT 3.5的62.60%和Google Gemini的55.73%。ChatGPT 4.0在腦部及頭頸部診斷上表現優異，而Google Gemini在頭頸部表現最佳，但其他領域則不佳。研究強調這些AI模型的效能差異，並呼籲進一步改進及評估，以提升其在醫療診斷和教育中的應用，並考量病人照護的倫理問題。 PubMed DOI

隨著醫學領域對ChatGPT的興趣增加，了解其在解剖學教育中的潛力與限制變得重要。本研究透過34個問題評估ChatGPT的準確性與有效性，結果顯示它能有效幫助醫學生理解解剖結構的臨床意義，並成功解釋缺血性心臟病的解剖基礎。雖然生成的解剖圖像準確性不足，但它能創建測驗、總結講座內容，並合理分析解剖問題。總體而言，ChatGPT在解剖學教育中具潛力，能輔助學習而非取代教師。 PubMed DOI

這項研究評估了兩個AI語言模型，ChatGPT 4.0和Google Gemini，在回答79個兒科放射學問題上的表現。結果顯示，ChatGPT 4.0的準確率為83.5%，而Google Gemini則為68.4%，差異顯著（p=0.0255，RR=1.221）。雖然ChatGPT 4.0整體上表現較佳，但在各問題的子部分並未見顯著差異。研究建議未來需進一步使用更大樣本和多模態輸入，以更全面評估AI模型在放射學的有效性。 PubMed DOI

這項研究評估了六個生成式人工智慧大型語言模型（LLMs）在回答醫學多選題和生成解剖學臨床情境的準確性。測試的模型包括ChatGPT-4、ChatGPT-3.5-turbo、ChatGPT-3.5、Copilot、Google PaLM 2、Bard和Gemini。結果顯示，ChatGPT-4的準確率最高，達60.5%，其次是Copilot（42.0%）和ChatGPT-3.5（41.0%）。雖然這些模型尚未能完全取代解剖學教育者，但它們在醫學教育中仍具備實用價值。 PubMed DOI