研究比較了ChatGPT和Google Bard在骨科患者教育上的效果，專注於運動醫學和小兒骨科。專業骨科醫師評分後發現，兩者回應品質皆佳，ChatGPT回應更易讀。結果顯示兩者效果無明顯差異，但仍需改進以提高可靠性。研究指出人工智慧在骨科教育中扮演重要角色，呼籲進一步研究將其負責任地整合至醫療教育中。 PubMed DOI

這項研究評估了大型語言模型（LLMs），如ChatGPT和Gemini，在提供小兒骨科疾病建議的可靠性，並參考了美國骨科醫學會（AAOS）的指導方針。結果顯示，ChatGPT和Gemini的符合率分別為67%和69%，差異不大。值得注意的是，ChatGPT沒有引用任何研究，而Gemini則參考了16項研究，但大多數存在錯誤或不一致。總體來看，這些模型雖然在某程度上符合指導方針，但仍有許多中立或不正確的陳述，顯示醫療AI模型需改進與提高透明度。 PubMed DOI

這項研究評估了ChatGPT-4在生成骨科疾病治療建議的有效性，並與美國骨科醫學會的指導方針及醫師計畫進行比較。主要發現包括： 1. ChatGPT-4的建議與AAOS指導方針一致性達90%。 2. 與主治醫師的建議一致性為78%。 3. 在骨折及關節炎案例中表現優異，但腕管綜合症表現不佳。 4. 不一致主要出現在腕管綜合症及其他特定損傷。 5. 雖然ChatGPT-4能提供準確建議，但在考量患者特定因素時仍需醫師的批判性評估。 總之，ChatGPT-4在骨科治療中具輔助潛力，但需專業監督。 PubMed DOI

本研究評估了ChatGPT在老年人髖部骨折管理方面的表現，基於美國骨科醫學會的指導方針。使用19項陳述進行測試，結果顯示其準確率分別為0.684、0.579和0.632，精確率則為0.740、0.737和0.718，顯示中等一致性。雖然ChatGPT能提供相關指導，但準確性仍有待加強，且幻覺現象是主要限制。未來應探討如何有效利用ChatGPT作為病人教育工具。 PubMed DOI

這項研究評估了ChatGPT在回答小兒肱骨上髁骨折相關問題的效果。研究中提出七個常見問題，並根據回答的清晰度和準確性進行分類。結果顯示，四個回答雖然滿意，但仍需澄清；三個則不滿意，缺乏準確性和清晰度。沒有任何回答被評為優秀。研究指出，ChatGPT提供的資訊雖有幫助，但通常需要進一步澄清，特別是在治療方案上。因此，建議家長應諮詢醫療專業人員以獲得準確指導。這項評估屬於五級專家意見。 PubMed DOI

本研究評估六款生成式AI聊天機器人在鎖骨骨折管理教育中的效果，包括ChatGPT 4、Gemini 1.0等。雖然可讀性分數無顯著差異，但Microsoft Copilot和Perplexity的回答質量明顯優於其他模型。整體來看，這些AI模型在病患教育中表現良好，特別是Microsoft Copilot和Perplexity，適合用於提供鎖骨骨折相關資訊。 PubMed DOI

這項研究評估了兩個人工智慧模型，ChatGPT-4o 和 Gemini Advanced，與美國外科醫學會2022年脊椎損傷管理指導方針的一致性。研究設計了52個問題，結果顯示ChatGPT-4o的一致率為73.07%，正確回答38題；而Gemini Advanced為69.23%，正確回答36題。兩者在臨床資訊一致率均為75%。Gemini在診斷性問題上表現較佳，但ChatGPT在治療性問題上較強。整體而言，這些模型在脊椎損傷管理上顯示潛力，但仍有改進空間。 PubMed DOI

這項研究評估了ChatGPT-4o在遠端橈骨骨折治療適當性評分的準確性，並與美國骨科醫學會的指導方針進行比較。分析了240個病人情境，考量骨折類型、受傷機制及病人健康狀況。主要發現顯示，對於不同治療選項的評分誤差不一，掌側鎖定板的誤差最小，而背側鋼板的誤差最大。雖然某些治療方法之間有正相關，但整體上ChatGPT-4o偏向保守治療，這引發了對其在醫療建議可靠性上的疑慮。 PubMed DOI

這項研究評估了三個人工智慧模型—ChatGPT-4o、DeepSeek-V3 和 Gemini 1.5—在手部骨折診斷與治療建議的有效性，並與經驗豐富的外科醫生進行比較。結果顯示，ChatGPT-4o的準確率最高，但精確度較低；DeepSeek-V3表現中等，偶爾漏掉正確方案；而Gemini 1.5則表現不佳。結論指出，雖然AI能增強臨床流程，但在複雜案例中仍無法取代人類專業，且需解決倫理問題才能廣泛應用。 PubMed DOI

這項研究評估了大型語言模型（LLM）如ChatGPT和Gemini在提供骨關節軟骨壞死（OCD）資訊的表現。七位專科骨科醫生使用5點李克特量表評估兩個模型的回應，涵蓋相關性、準確性、清晰度等六個類別。結果顯示，ChatGPT在清晰度上得分最高，而Gemini在相關性和準確性上表現優異。不過，兩者在基於證據的回應上得分較低，顯示需改進。整體而言，ChatGPT表現較佳，但仍需進一步研究以確認LLMs在其他骨科疾病上的可靠性。 PubMed DOI