ChatGPT是一種AI技術，可幫助病人，但在手部外科領域的回答需評估其正確性和適切性。研究比較了ChatGPT和Google在提供腕隧道手術資訊的表現。Google簡單易懂，ChatGPT則較詳細，建議尋求外科醫生協助。需進一步研究以確認對病人理解的影響。 PubMed DOI

研究發現，ChatGPT提供的醫學資訊品質不佳，甚至可能有危險。資訊品質高與醫師評分正相關。醫學人工智慧有潛力，但需改進準確性和可靠性。持續研究發展對提升醫療人工智慧應用、改善患者教育和知情同意流程至關重要。 PubMed DOI

這項研究比較了兩個來源的腕管釋放手術病人資訊質量與可讀性：Every Informed Decision Online (EIDO) 小冊子和 AI 語言模型 ChatGPT。結果顯示，ChatGPT 的資訊質量較高，DISCERN 評分為 71 分（滿分 80），而 EIDO 為 62 分（p=0.014）。雖然 ChatGPT 的內容質量較佳，但可讀性較複雜，Flesch-Kincaid 分數為 12.3，顯示閱讀年齡較高，EIDO 則為 7.5。總結來說，ChatGPT 雖然資訊質量好，但理解上可能較有挑戰。 PubMed DOI

這項研究比較了ChatGPT 3.5版本與前五名Google搜尋結果在腕隧道症候群問題上的準確性、完整性和簡潔性。三位整形外科醫生使用李克特量表評估回應。結果顯示，ChatGPT和Google的準確性與完整性相似，但ChatGPT的回答更簡潔。雖然ChatGPT對於尋求簡單資訊的患者來說很有幫助，但不應取代定期更新的學術網站，因為它可能缺乏最新資料，且有提供不準確資訊的風險。 PubMed DOI

這項研究探討了深下腹皮瓣（DIEP）乳房重建的資訊質量，並比較了社交媒體平台（SMPs）與大型語言模型（LLMs）如ChatGPT和Google Bard的內容。分析了50個英語和西班牙語的視頻，結果顯示LLMs的資訊質量明顯較高，ChatGPT和Google Bard的平均DISCERN分數分別為54和61.17，屬於良好質量。而SMPs的得分則低得多，顯示38%的視頻由非醫療作者製作，突顯了可靠資訊的缺口。研究強調學術整形外科醫生需提供高質量資訊以改善病患教育。 PubMed DOI

這項研究評估了三種大型語言模型（LLMs）—ChatGPT 3.5、ChatGPT 4.0 和 Google Bard—在提供青少年特發性脊柱側彎（AIS）資訊的效果。研究人員針對AIS的常見問題設計了10個關鍵問題，並由專業醫生評估這些模型的回答。結果顯示，只有26%的回答被評為「優秀」，其中ChatGPT 4.0表現最佳，達39%。雖然這些模型在清晰度和同理心上表現不錯，但仍需改進，特別是在語言適用性和情境理解方面。整體而言，這項研究顯示了LLMs在病人教育中的潛力。 PubMed DOI

這項研究評估了兩個AI平台（Gemini和ChatGPT）對手部和手腕手術常見問題的回答質量。共提出12個問題，分析48個回答，使用三種評分工具進行評估。結果顯示，回答的平均分數為55.7（良好）、57.2%（足夠）和4.4。手腕相關問題的回答質量顯著高於手部問題，且Gemini在評分上優於ChatGPT。雖然AI的回答通常被評為良好，但質量因平台和問題類型而異，了解這些差異對病人尋求資訊至關重要。 PubMed DOI

YouTube 是重要的醫療資訊來源，但許多影片內容不準確或有偏見。本研究探討大型語言模型（LLMs）評估醫療影片質量的能力。研究人員收集了專家評估過的影片，並讓二十個 LLMs 使用 DISCERN 工具進行評分。結果顯示，LLMs 的評分通常高於專家，且一致性範圍廣泛。加入評分指導方針後，模型表現有所改善。研究顯示某些 LLMs 能有效評估醫療影片質量，未來可作為獨立專家系統或增強傳統推薦系統，解決線上健康內容的質量問題。 PubMed DOI

這項研究比較了GPT-4和Google在腕隧道手術（CTS）常見問題上的回應差異。主要發現包括： 1. **問題類型**：兩者都提供事實性資訊，但Google更注重技術細節。 2. **可讀性**：Google的回應可讀性較高，Flesch閱讀分數更好。 3. **回應長度**：Google的答案通常較短。 4. **數字準確性**：GPT-4的數字回應範圍較廣。 總體來說，GPT-4提供更詳細的技術見解，有助於病患教育，而Google則提供更易懂的資訊。這研究強調了醫療情境中AI與搜尋引擎的資訊傳遞差異。 PubMed DOI

旋轉袖肌腱撕裂是常見的肩部傷害，會影響功能和生活品質。隨著人們越來越依賴人工智慧大型語言模型（AI LLMs）獲取健康資訊，評估其資訊質量和可讀性變得重要。一項研究針對此傷害生成50個問題，分析了多個AI模型及Google搜尋的回應。結果顯示，雖然有改進潛力，但目前的AI LLM在醫療資訊的質量和可讀性上仍不足，未來需持續評估並提升其表現，以更好地支持病人教育。 PubMed DOI