這項研究評估了ChatGPT在歐洲泌尿學會的考試表現，特別是版本3.5和4。分析了2017至2022年的多選題，結果顯示ChatGPT-4在所有考試中表現優於3.5，且每次考試都達到及格分數（≥60%）。不過，ChatGPT-4在某些子主題如尿失禁和移植的表現有所下降。整體來看，研究指出ChatGPT-4能有效回答複雜醫學問題，但仍需人類驗證其回應在醫療環境中的可靠性。 PubMed DOI

這項研究評估了ChatGPT 3.5和4在回答骨科考試問題的表現，使用了來自首爾國立大學醫院的160道問題，分為11個子類別。結果顯示，ChatGPT 3.5的正確率為37.5%，而ChatGPT 4提升至60.0%（p < 0.001）。大部分類別中，ChatGPT 4表現較佳，唯獨在腫瘤相關問題上不如3.5。此外，ChatGPT 4的回答不一致率顯著低於3.5（9.4%對比47.5%）。雖然ChatGPT 4在骨科考試中表現不錯，但仍需謹慎對待其不一致的回答和錯誤解釋。 PubMed DOI

這項研究評估了ChatGPT在骨科住院醫師考試（OITE）中的表現，分析了其對2022年考題的回答。結果顯示，ChatGPT的整體正確率為48.3%，在67.6%的問題中展現了邏輯推理能力，並在68.1%的案例中有效利用資訊。然而，回答中常見的問題是資訊謬誤，顯示出提供不正確資訊的傾向。雖然它在某些方面有能力，但目前的限制使其不太可能成為可靠的學習資源。 PubMed DOI

這項研究探討了ChatGPT-4在土耳其神經學專業考試中的表現，結果顯示其成功率在2021至2023年間達79%到82%。這是首次在真實醫療執照考試中評估ChatGPT的能力，且其表現優於GPT-3.5。將問題翻譯成英文也未影響其表現。該模型能在收到反饋後修正錯誤，展現出靈活性。不過，研究強調使用AI模型時需謹慎，因為它們不一定總能提供正確答案。 PubMed DOI

這項研究評估了ChatGPT 4o在美國手外科學會（ASSH）自我評估問題上的表現，並與先前版本比較。研究使用2008至2013年的ASSH考試數據，透過OpenAI的API進行統計分析。結果顯示，ChatGPT 4o在增強技術的幫助下，表現與人類考生相當，明顯超越ChatGPT 3.5，且測試的可靠性很高。這些發現顯示，人工智慧，特別是ChatGPT，能有效支持醫學教育和臨床實踐，達到與人類專家相似的評估水平。 PubMed DOI

這項研究評估了ChatGPT 4.0在2022年骨科與創傷學專科考試的多選題表現，分析了95道題目，正確率為61.05%。結果顯示，無論問題字數或分類，表現差異不大。雖然ChatGPT在骨科知識上表現不錯，但仍需進一步發展和人類監督，以確保其有效性。這項研究屬於第四級證據，屬於病例系列。 PubMed DOI

這項研究發現，ChatGPT-4o在土耳其骨科專科考試的表現比實際考生還好，總分拿到70.2分（考生平均58分）。它答對圖片題的機率有62%，文字題則有70%。GPT-4o在基礎醫學表現突出，但重建手術題較弱。無論AI還是考生，下肢和足部題目都最難。整體來說，GPT-4o在醫學教育上很有潛力，有些領域甚至比人類還強。 PubMed DOI

這項研究發現，ChatGPT-3.5 Turbo在歐洲眼科醫學會考試的多重是非題表現不錯，平均得分64.4%，但在單一最佳答案題型只拿到28.4%，明顯輸給人類考生。它在資訊查找上較強，但知識整合能力較弱。整體來說，ChatGPT適合當作眼科考試準備和回饋的輔助工具。 PubMed DOI

這項研究比較 ChatGPT-3.5、ChatGPT-4 和 Gemini 在土耳其骨科專科考試的表現，發現 ChatGPT-4 表現最好，某些領域正確率高達 95%，甚至超越住院醫師。題目越短，AI 答對率越高。結果顯示 ChatGPT-4 在醫學教育和臨床決策上很有潛力，但還是需要持續評估和改進。 PubMed DOI

這項研究發現，ChatGPT-4在回答關節置換相關問題時，正確率只有66.9%，明顯低於骨科研究員和主治醫師。特別是在有圖片的題目上，表現更差。雖然ChatGPT可當作學習輔助，但還無法取代專業醫師的臨床判斷，未來還需更多研究來提升AI在醫療領域的應用。 PubMed DOI