腹部整形手術是處理美容和功能問題的常見手術，但患者和外科醫師溝通不足會影響決策。研究發現使用大型語言模型（LLMs）如ChatGPT-3.5、Claude、Gemini和CoPilot回答手術前問題。LLMs間易讀性和質量有差異，ChatGPT-3.5需要高理解水平，Claude提供最適切建議，CoPilot最貼近患者，提供全面資訊。LLMs各有特點和限制，在醫療保健中使用時需謹慎選擇。 PubMed DOI

這項研究評估了兩個AI聊天機器人，GPT-4和GPT-3.5（ChatGPT），在回答鼻整形手術相關臨床問題的表現。分析了10個問題後，兩者準確率均達90%。不過，GPT-4的準確率（86.0%）略低於GPT-3.5（94.0%），但差異不顯著。GPT-4在評估證據信心方面表現更佳（52.0%對28.0%）。兩者在政策層級和證據質量上無顯著差異，但GPT-4引用文獻的頻率較高（36.9%對24.1%）。總體來看，GPT-4在專業情境中顯示出更準確的參考潛力。 PubMed DOI

這項研究強調大型語言模型（LLMs）在醫療領域的潛力，特別是透過檢索增強生成（RAG）來提升數據透明度和準確性。研究團隊開發了GuideGPT，一個能理解上下文的聊天機器人，整合了449篇科學文獻的知識，提供有關藥物相關性顳骨壞死（MRONJ）的資訊。與通用的PureGPT相比，GuideGPT在內容、科學解釋和一致性上表現更佳，顯示RAG能有效提升LLM的回應質量，成為臨床實踐中的重要工具。 PubMed DOI

這項研究探討了可獲得的醫療資訊對患者的重要性，並評估了兩個AI工具，ChatGPT和Google Gemini，針對特定醫療狀況（如深靜脈血栓、壓瘡和痔瘡）的可理解性。結果顯示，ChatGPT的內容需要較高的教育水平才能理解，且其回應與現有線上資訊相似度較高。雖然兩者在易讀性和可靠性上有差異，但統計分析未能證明哪一個工具在資訊質量上優於另一個。 PubMed DOI

這項研究開發了一個基於檢索增強生成的醫生推薦模型（RAGPR），旨在提升網路醫療服務中的個人化推薦。研究針對排班人員手動分診的限制，使用廈門大學第一附屬醫院的646,383份諮詢紀錄進行評估。結果顯示，SBERT和OpenAI的表現優異，F1分數分別達到95%和96%。在大型語言模型中，GPT-4o表現最佳，F1分數為95%。整體而言，RAGPR模型在提升醫療服務的準確性和個人化方面展現良好潛力，提供可擴展的病患與醫生匹配解決方案。 PubMed DOI

隨著像ChatGPT和Google Gemini等AI平台的快速發展，這些工具在醫療資訊，特別是術後指導方面的使用逐漸增加。一項研究比較了這些AI系統在為接受內窺鏡鼻竇手術的病人提供術後指導的有效性。雖然AI生成的內容能被理解，但在可行性和可讀性上仍有不足，顯示病人在尋求術後指導時需謹慎考量這些限制，並強調對AI醫療資訊進行仔細評估的重要性，以確保病人的安全與最佳結果。 PubMed DOI

大型語言模型（LLMs）在醫療領域的發展引起關注，尤其在臨床決策和病人管理上。不過，幻覺和不可靠資訊等挑戰影響其效能。檢索增強生成（RAG）模型透過整合經過驗證的醫學文獻，提升輸出準確性。這篇文章強調RAG在整形及重建外科的優勢，包括增強臨床決策支持和病人教育等。成功實施需謹慎策劃數據庫、定期更新及驗證，以確保臨床相關性並解決隱私和倫理問題。RAG模型有潛力改善病人護理和手術結果，鼓勵外科醫生和研究人員採用這些創新框架。 PubMed DOI

這項研究探討了基於GPT-4的檢索增強生成（RAG）模型在術前評估中的有效性。研究測試了十個大型語言模型，生成超過3,200個回應，並與近450個人類答案進行比較。結果顯示，使用國際指導的GPT-4 LLM-RAG模型準確率達96.4%，明顯高於人類的86.6%，且反應時間更快、不一致情況較少。這顯示LLM-RAG模型在醫療環境中提升術前評估的潛力。 PubMed DOI

RAG（檢索增強生成）能結合外部資料，讓大型語言模型在醫療領域的回應更精確，像是診斷、臨床決策和資訊擷取都更有幫助。研究發現，RAG在解讀指引、診斷和臨床試驗篩選等表現都比傳統方法好。不過，目前在評估標準、成本和減少AI幻覺上還有待加強，未來還需要持續優化並強化與醫療專業的合作。 PubMed DOI

這項研究發現，結合RAG技術的ChatGPT-4在骨科考題上的表現，正確率約74%，跟骨科醫師差不多，也比沒用RAG的ChatGPT-4和3.5好。RAG還能讓AI引用資料來源，提升可信度，對骨科教學和考試準備很有幫助。 PubMed DOI