這項研究評估了兩款人工智慧聊天機器人，ChatGPT 和 ERNIE Bot，在回答超聲波醫學檢查問題上的表現。共整理了554個問題，涵蓋多種主題，並以中英文提出。結果顯示，ERNIE Bot 在客觀問題上表現優於 ChatGPT，特別是在英文方面。主觀問題的接受率介於47.62%到75.36%之間。整體來看，雖然聊天機器人能提供有用的資訊，但表現因模型、語言及問題類型而異，建議使用者選擇最合適的模型。 PubMed DOI

這項研究評估了三個大型語言模型（LLMs）—ChatGPT-3.5、ChatGPT-4.0 和 Google Gemini 在回答乙型肝炎病毒（HBV）相關問題的表現。醫療專業人員對其準確性進行評分，並評估可讀性。 主要發現包括： - 所有 LLM 在主觀問題上得分高，ChatGPT-4.0 準確性最高。 - 在客觀問題上，ChatGPT-4.0 準確率為 80.8%，優於其他兩者。 - ChatGPT-4.0 在診斷上表現佳，Google Gemini 在臨床表現強勁。 - 所有 LLM 的可讀性分數高於標準八級，對一般讀者來說可能過於複雜。 結果顯示，LLMs，特別是 ChatGPT-4.0，可能成為有關 HBV 的資訊工具，但不應取代醫生的個人化建議。 PubMed DOI

這項研究評估了九個大型語言模型（LLMs）在總結中國放射科報告中對肺癌的印象表現。研究發現，ERNIE Bot、Tongyi Qianwen 和 Claude 在生成 CT、PET-CT 和超音波報告的印象方面表現最佳。雖然生成的印象通常完整且正確，但在簡潔性和真實性上仍有不足，且與放射科醫生撰寫的印象相比，仍存在顯著差距。整體來看，現有的 LLMs 雖能生成高完整性和正確性的報告，但尚無法完全取代放射科醫生。 PubMed DOI

這項研究評估了兩個大型語言模型（LLMs），ChatGPT-4.0 和 ERNIE Bot-4.0，在外科住院醫師考試問題上的表現，並與人類住院醫師進行比較。分析了596個問題，結果顯示兩者在正確性上無顯著差異，但ERNIE Bot-4.0的表現始終優於ChatGPT-4.0。在210個有提示的問題中，ERNIE Bot-4.0的表現顯著優於ChatGPT-4.0及人類住院醫師，並在住院醫師的分數中排名前95%。總體來看，ERNIE Bot-4.0在此情境中表現更佳。 PubMed DOI

這項研究比較四款主流大型語言模型在回答肝硬化相關問題的表現。結果顯示，Gemini 的資訊品質最佳，ChatGPT 的正確率最高。所有模型的答案都需要大學程度閱讀能力，但簡化複雜內容的能力不錯。整體來說，這些模型在提供肝硬化健康資訊上表現良好，但品質、可讀性和正確性仍有差異，未來還需進一步改進。 PubMed DOI

這項研究比較四種大型語言模型在回答心血管疾病預防問題時的表現。結果發現，ChatGPT-4.0 英文答題最準確且自我覺察，中文則是 ERNIE 表現較好。不過，所有模型在中文表現都稍差，顯示有語言偏差。這提醒我們，AI 醫療建議在不同語言下還需要持續檢驗。 PubMed DOI

這項研究發現，DeepSeek 在用中文回答前列腺癌放射治療問題時，表現明顯優於 ChatGPT，尤其在基礎知識和治療照護方面更突出；但用英文時，兩者差異不大。這顯示選擇語言優化的 AI 模型很重要，但專家審查仍不可或缺。 PubMed DOI

這項研究比較GPT-4o和ERNIE Bot在中文放射腫瘤學考試的表現，兩者都達及格分，GPT-4o得分79.3%，ERNIE Bot為76.9%，差異不大。僅在「相關知識」部分GPT-4o較優。兩款AI在各種題型都表現穩定，答題一致時正確率更高（84.5%）。結果顯示，這兩款AI有助於中文醫學教育，對非英語醫學訓練很有潛力。 PubMed DOI

這項研究比較了 ChatGPT 和 ERNIE Bot 在中英文乳癌資訊上的表現。結果顯示，英文版 ChatGPT 答案最準確、最實用，特別適合一般病患提問。不過，兩款 LLM 在專業問題上表現都不佳，且常缺乏佐證資料。目前還不適合完全依賴 LLM 做臨床決策，資料安全和法律風險也需注意，未來還要進一步研究。 PubMed DOI

這項研究比較四款免費AI聊天機器人回答肝癌相關問題的表現，發現它們雖然能提供大致正確且無偏見的資訊，但在資料來源、治療細節和說明清楚度上有差異。AI回答可作為參考，但仍需專業醫師把關，不能取代醫療建議。 PubMed DOI