研究測試了ChatGPT-4在處理膝疼痛投訴、提供不同診斷和治療方案的表現。ChatGPT-4的診斷通常準確，與專業醫師看法一致。當提供更多資訊時，ChatGPT-4的準確性提高，有時甚至達到100%。它提供了合理的診斷和治療建議，但也可能有錯誤，需要進一步臨床評估。 PubMed DOI

研究比較了基於GPT-4的ChatGPT、基於GPT-4V的ChatGPT和放射科醫師在106個案例的肌肉骨骼放射學診斷準確性。結果顯示，基於GPT-4的ChatGPT準確率為43%，優於基於GPT-4V的ChatGPT的8%。放射科醫師的準確率分別為41%和53%。ChatGPT表現接近住院醫師，但不及認證放射科醫師。放射科醫師需了解ChatGPT的診斷表現，強調提供詳細影像描述以提高準確性。 PubMed DOI

單間室膝關節置換術（UKR）在末期單間室膝關節骨關節炎患者中越來越受重視，但選擇合適候選者仍有爭議。本研究探討了ChatGPT等自然語言處理程式在評估患者接受全膝關節置換術（TKR）或UKR資格的有效性。結果顯示，ChatGPT與73位外科醫生的意見僅有15.6%不合，且在識別UKR候選者方面的敏感性達0.91，正確預測值為0.87。此外，ChatGPT在決策中表現出更高的信心。研究顯示，ChatGPT能有效協助外科決策。 PubMed DOI

這項研究評估了ChatGPT 4.0在2019年骨科住院醫師訓練考試中的表現。結果顯示，ChatGPT在純文字問題的正確率為49%，而帶有圖片的問題為48%。當圖片描述由AI生成時，表現下降6%。整體來看，ChatGPT的表現低於所有住院醫師班級，尤其比一年級住院醫師低4%。研究指出，雖然ChatGPT在醫學考試中有一定能力，但仍未達到住院醫師的水準，顯示AI在醫學教育中的潛力與限制。 PubMed DOI

這項研究評估了ChatGPT-4.0o在放射影像定位品質的有效性，分析了30張不同關節的放射線影像。模型的任務是找出定位錯誤並提出改進建議。放射技術師根據標準對模型的回應進行1到5的評分。結果顯示，模型僅在20%的案例中正確識別所有錯誤，且最常見得分為3，表示至少識別一個錯誤，30%的影像中提供了正確建議。平均得分為2.9，顯示準確性較低，強調了教育背景和臨床經驗在放射學中的重要性。 PubMed DOI

這項研究評估了ChatGPT-4視覺版（GPT-4V）在解讀醫學影像及處理骨科創傷案例的表現。研究分析了十個來自OrthoBullets的熱門案例，並由四位專科醫生對AI的回應進行評分。結果顯示，GPT-4V在影像回應的平均得分為3.46，準確性和可信度較低，分別為3.28和3.15；而在管理問題上得分較高（3.76），治療問題表現最佳（4.04）。結論指出，GPT-4V作為教育工具有潛力，但影像解讀能力仍不及經驗豐富的醫生。 PubMed DOI

這項研究評估了ChatGPT在膝關節X光片識別脛骨平台骨折的準確性，分析了111張X光片，其中29例經CT確認為骨折。結果顯示，急診醫師和放射科醫師的表現明顯優於ChatGPT-4，尤其在敏感度上。雖然ChatGPT-4o在特異度上表現接近醫師，但整體診斷能力仍不及人類專家。總之，ChatGPT-4o顯示出潛力，但尚未達到醫師的診斷水準。 PubMed DOI

這項研究評估了ChatGPT 4.0在診斷常見骨科上肢骨病變的準確性，重點分析六種病症，包括遠端橈骨骨折和舟骨不癒合等。研究隨機選取了每種病症50張影像，並要求ChatGPT進行診斷。結果顯示，ChatGPT僅對52%的影像提供診斷，準確性從0%到55%不等，特別是舟骨和掌骨骨折的準確性較低。雖然其展現了一定的診斷能力，但表現不穩定，顯示需進一步開發以提升臨床應用的實用性。 PubMed DOI

這項研究評估了大型語言模型（LLMs）在僅依據患者報告的問卷數據來檢測髖關節或膝關節骨關節炎（OA）的診斷能力。115名患者填寫了有關症狀和病史的問卷，研究分析了多個LLMs的表現，結果顯示GPT-4o的診斷敏感性最高，達92.3%。雖然GPT-4的不同版本之間有中等一致性，但某些模型如Llama-3.1的準確性較低。研究強調醫療監督的重要性，並呼籲進一步研究以提升LLM的診斷能力。 PubMed DOI

本研究探討生成預訓練變壓器（ChatGPT）在放射影像中分類股骨轉子周圍骨折的準確性。研究結果顯示，ChatGPT能根據修訂的AO/OTA分類系統將骨折分為穩定（A1）和不穩定（A2），其分類一致性（κ = 0.420）與骨科醫生相似，顯示中等可靠性。這表明ChatGPT可有效整合進臨床工作流程，並在數據收集上需求較低，對醫療應用具潛力。 PubMed DOI