臨床前研究指出，像ChatGPT這樣的大型語言模型可能有助於區分炎症性風濕疾病與其他疾病。一項研究比較了ChatGPT-4的診斷準確性與風濕病專家在患者數據上的表現，結果顯示ChatGPT-4在正確診斷方面與專家相當，尤其在炎症性風濕疾病案例中。雖然在檢測疾病方面敏感度高，但特異性較低。總結來說，ChatGPT-4可能是診斷炎症性風濕疾病的實用工具。 PubMed DOI

研究比較了患者對風濕病問題的大型語言模型（LLM）聊天機器人和醫師回答的評價。結果顯示，患者認為兩者在詳細度和易讀性上沒有太大差異。但風濕病專家卻認為AI回答在詳細度、易讀性和準確性上比醫師回答差。患者和醫師對AI回答的喜好有所不同，患者更難分辨AI生成的答案。總結來說，患者對AI回答的看法與醫師相似，但風濕病專家則認為AI回答表現較差。 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

研究發現GPT-4在回答複雜臨床眼科案例問題時，診斷和處理能力中等準確，尤其在正確診斷後的處理更準確。雖然接近眼科醫師水準，但不及資深醫師。建議改進提示策略，GPT-4或許可應用於醫學決策和診斷。 PubMed DOI

研究比較了ChatGPT-3.5和ChatGPT-4在醫療決策中的表現，結果顯示GPT-4優於GPT-3.5。資深醫師給予較高評分，尤其在倫理問題上。AI有助於醫師，但不應取代人類專業知識，需進一步研究整合到臨床環境中的方法。 PubMed DOI

這項研究評估了三個人工智慧模型—ChatGPT-3.5、ChatGPT-4 和 Google Bard—在物理醫學與復健考試題目的表現。使用美國物理醫學與復健委員會的 PMR100 題庫，結果顯示 ChatGPT-4 表現最佳，成功率達 74%，其次是 Google Bard 的 66% 和 ChatGPT-3.5 的 63.8%。Bard 在回答一致性方面表現良好，僅有 1% 的回答改變。研究強調了人工智慧在醫學教育和臨床應用中的潛力，並指出需對其回答進行仔細監督，以確保病人安全。 PubMed DOI

這項研究評估了兩個人工智慧模型，ChatGPT-4o 和 Google Gemini，在風濕病學考試問題上的表現。分析了420個問題，結果顯示ChatGPT-4o的準確率為86.9%，遠高於Google Gemini的60.2%。重複詢問相同問題時，ChatGPT-4o的準確率維持在86.7%。研究指出，ChatGPT-4o在基礎與臨床科學、骨關節炎及類風濕性關節炎方面表現優異，顯示人工智慧在臨床環境中的潛力，未來應探索更多真實臨床情境。 PubMed DOI

最近的人工智慧進展讓大型語言模型能針對特定領域進行客製化，像是醫學教育。本研究評估了一個專為提升醫學生和醫師臨床知識的客製化GPT模型，結果顯示其準確率達83.6%，高於一般AI模型。住院醫師對此模型的滿意度高，特別是它能促進學習獨立性和信心。這些發現顯示，客製化GPT有潛力改善醫學教育，但學習者和教育者仍需批判性地評估AI生成的內容。 PubMed DOI

生成式人工智慧（GAI）在醫療領域有顯著進展，但對於罕見疾病如原發性免疫疾病（PI）的輔助效果仍待探討。本研究評估了六種大型語言模型（LLMs）在提供PI臨床指導的表現。結果顯示，GPT-4o、Llama-3.1-70B-Instruct和Mistral-Large-Instruct-2407的診斷準確率超過88%，其中GPT-4o以96.2%領先。其他模型表現較差，準確率約60%或更低。雖然LLMs在PI診斷上顯示潛力，但仍需改進以提升臨床實用性。 PubMed DOI

本研究探討AI模型（如GPT-3.5和GPT-4）在急診科生成病症鑑別診斷的表現，並與急診科醫師的準確性進行比較。結果顯示，ChatGPT-4的準確率為85.5%，略高於ChatGPT-3.5的84.6%和醫師的83%。特別是在腸胃主訴方面，ChatGPT-4的準確性達87.5%。研究顯示AI模型在臨床決策中具潛在應用價值，建議未來進一步探索AI在醫療中的應用。 PubMed DOI