研究發現，病患在Bing搜尋脊椎手術資訊時，大多數回答都準確完整，且錯誤會被更正。商業來源常見，政府來源評分最高。研究強調需持續評估改進大型語言模型，以提供病患可靠網路資訊。 PubMed DOI

生成式人工智慧如ChatGPT和Google Bard被應用在患者教育，例如腰椎間盤突出。研究發現，這些AI回答腰椎間盤突出的問題時，準確性和清晰度有差異，需要改進。未來應該專注於提升AI模型，以增進患者和醫師之間的溝通。 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

這項研究探討了生成式人工智慧，特別是ChatGPT，對骨科文獻的影響，分析了AI生成文章的普遍性、AI檢測器的準確性，以及文章特徵與被判定為AI生成的可能性之間的關係。研究分析了240篇2023年後的骨科期刊文章，並發現AI檢測器能有效識別AI生成內容，但有些檢測器表現不佳。雖然AI生成文本的比例略有增加，但與期刊、文章類型或提交時間等因素並無一致關聯。結論強調需謹慎監督以維護研究完整性，並進一步發展AI檢測工具。 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

這項研究比較了OpenAI的GPT-4和Google的Gemini Ultra在生成醫學研究引言的表現，特別是引用的準確性。結果顯示，Gemini在引用精確度上優於GPT-4，正確率分別為77.2%和54.0%。雖然GPT-4生成的引言較長，但包含更多未引用的信息。儘管Gemini表現較佳，兩者仍生成虛構證據，讓人對其學術可靠性產生疑慮。這強調了驗證AI生成內容的重要性，並建議進一步研究AI在科學寫作中的能力與限制。 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

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-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

這項研究比較了AI模型（ChatGPT-3.5、ChatGPT-4和Google Bard）與經驗豐富的脊椎外科醫生在複雜脊椎手術情境中的表現。透過對十位外科醫生進行兩次問卷調查，結果顯示醫生之間的重測信度良好，但與AI模型的協議較低。雖然AI的回應詳細，但醫生的答案更簡潔。研究認為AI目前不適合用於複雜手術決策，但可用於初步資訊收集和緊急分診，並強調需解決法律和倫理問題才能進一步應用。 PubMed DOI