研究比較了三個大型語言模型（LLMs）- ChatGPT-3.5、GPT-4和Gemini-在為整形外科患者提供術後護理建議的表現。結果顯示，這些模型提供的資訊都很準確，其中GPT-3.5在評分上表現最好。Gemini的回應更易讀、更易懂。雖然LLMs在術後護理方面有潛力，但仍需進一步研究和改進，才能成為更完善的資源。 PubMed DOI

這項研究探討了人工智慧（AI）在神經外科手術文檔的應用，分析了36份手術記錄，並利用ChatGPT 4.0撰寫記錄。研究團隊評估了144份記錄，結果顯示AI生成的記錄在準確性（4.44）和組織性（4.54）上表現良好，但內容得分較低（3.73）。可讀性方面，AI記錄的複雜度較高，顯示其在提升神經外科文檔效率上有潛力，但仍需改善內容質量。 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

這項研究調查了四個大型語言模型（LLMs）—Bard、BingAI、ChatGPT-3.5 和 ChatGPT-4—在遵循2023年北美脊椎學會（NASS）頸椎融合指導方針的表現。結果顯示，這些模型的遵循率不高，ChatGPT-4和Bing Chat表現較佳，僅達60%。在特定情況下，所有模型都未能符合NASS建議，顯示出明顯差異。研究強調了對LLMs進行更好訓練的需求，並指出在臨床決策中考慮病人特徵的重要性，顯示出人工智慧在醫療中的潛力與挑戰。 PubMed DOI

這項研究比較了AI平台ChatGPT-4和Bard Gemini Advanced所生成的知情同意文件，與一名一年級口腔外科住院醫師撰寫的文件。經18位專家評估，結果顯示ChatGPT-4在準確性、完整性和可讀性上均優於Bard和人類撰寫的文件。具體來說，ChatGPT-4的得分在各項目中均為4，而Bard為3，人類同意書也為4。研究強調AI在知情同意過程中的潛力，但也指出需持續評估和整合患者反饋，以確保其在臨床上的有效性。 PubMed DOI

最近的研究評估了ChatGPT在術前麻醉計畫中的表現。研究發現，ChatGPT生成的計畫與資深麻醉顧問的計畫存在一致性，但在心肺風險評估上經常出現分歧。其回應重複，偏好全身麻醉，且缺乏局部麻醉技術，氣道管理和術後鎮痛建議也不一致。雖然某些差異不顯著，但對高風險患者的建議被認為不當。總體來看，ChatGPT的麻醉計畫未達臨床標準，未來需進一步評估其在臨床中的應用。 PubMed DOI

這項研究評估了四個生成式人工智慧模型在回答2023年神經外科醫師大會對Chiari 1畸形指導方針問題的表現。研究提出十三個問題，結果顯示Perplexity的符合率最高，達69.2%，而ChatGPT 4o最低，僅23.1%。Copilot和Gemini的符合率分別為61.5%和30.8%。所有模型的可讀性都很高，顯示出理解上的困難。研究強調，雖然AI能協助臨床，但醫生在解讀AI回應時的判斷仍然至關重要。 PubMed DOI

這項研究評估了ChatGPT-4.0在頸椎和脊髓損傷管理上與神經外科醫師學會（CNS）指導方針的一致性。共設計36個問題，分為治療性、診斷性和臨床評估類型。結果顯示，61.1%的回應與指導方針一致，其中治療性問題的符合率為70.8%。不過，對於I級證據的建議，ChatGPT表現不佳，僅有20%的符合率。總體來看，雖然ChatGPT在某些方面表現中等，但醫療人員在使用AI建議時仍需謹慎，待更穩健的模型出現。 PubMed DOI

隨著神經外科文獻不斷增加，手動篩選系統評價和指導方針的摘要變得越來越困難。為了解決這個問題，我們評估了兩個大型語言模型（LLMs），Gemini Pro 和 ChatGPT-4o-mini，針對美國神經外科醫學會的 Chiari I 畸形指導方針進行自動篩選。測試結果顯示，Gemini Pro 的敏感性高達 95%，特異性 60%，而 ChatGPT-4o-mini 的敏感性僅 18%，但特異性高達 95%。兩者都能在一小時內完成篩選，顯著縮短時間。這些結果顯示 LLM 在神經外科摘要篩選上的潛力，未來可能幫助醫學領域的指導方針實時更新。 PubMed DOI

這項研究發現，像ChatGPT-4等大型語言模型在協助制定臨床指引時，能幫忙搜尋資料和草擬建議，但還無法獨立完成系統性文獻搜尋和評估偏誤。雖然LLM產出的指引品質稍低於專家，但整體表現相近，有潛力節省時間和資源，未來還需更多研究和合作才能安全應用於臨床。 PubMed DOI