這項研究評估了ChatGPT4o在回答日本認證物理醫師考試問題的表現，重點在於準確性及其作為教育和臨床支援工具的潛力。2021年正確率79.1%，2022年80.0%，2023年達86.3%，整體準確率為81.8%。文字型問題表現較佳，正確率83.0%，影像型問題則為70.0%。大部分錯誤與資訊問題有關，佔92.8%。研究顯示，雖然ChatGPT4o在教育上有潛力，但在臨床應用，特別是影像解讀和專業主題上仍需改進。 PubMed DOI

這項研究評估了ChatGPT-4.0和Gemini Advanced在2020及2021年土耳其牙科專業考試的表現。結果顯示，ChatGPT-4.0的正確回答率高於Gemini Advanced，2020年為83.3%對65%，2021年為80.5%對60.2%。雖然兩者都通過考試，但分數仍低於最佳人類考生。特別是在基礎科學和臨床科學方面表現不佳，只有在牙周病學上較為突出。總體而言，這些AI聊天機器人的表現未達最佳考生水準。 PubMed DOI

這項研究評估了ChatGPT在土耳其骨科與創傷學考試的表現，分析了過去四年400道公開考題的結果。結果顯示，ChatGPT的得分超過98.7%的考生，且具統計學意義，顯示其表現優於平均考生。儘管ChatGPT在理論部分表現出色，研究仍強調人類因素的重要性，因為這些因素結合了理論與實踐知識，對醫療實踐至關重要。這是首次在此醫學考試背景下評估ChatGPT的能力。 PubMed DOI

這項研究評估了ChatGPT-3.5和ChatGPT-4在回答台灣醫師執照考試醫學問題的表現，特別關注繁體中文的能力。結果顯示，ChatGPT-3.5在基礎醫學科學的準確率為67.7%，臨床醫學為53.2%；而ChatGPT-4的表現明顯優於前者，準確率分別達到91.9%和90.7%。雖然問題類型對準確率影響不大，但ChatGPT-4在所有科目中均表現良好，顯示AI在醫學教育中的潛力，實施時仍需謹慎考量不同專業的變異性。 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

研究比較四款大型語言模型在2021年土耳其醫學專科考試的表現，ChatGPT 4正確率最高（88.75%），Llama 3 70B（79.17%）、Gemini 1.5 Pro（78.13%）次之，Command R+僅50%。ChatGPT 4在基礎和臨床醫學題目都很強，顯示它和Llama 3 70B有潛力協助土耳其語醫學教育與臨床應用，其他兩款則還需加強。 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

ChatGPT-4參加西班牙醫師考試，200題答對150題，成績約在1,900到2,300名之間，已能申請多數醫學專科。它在有無圖片題目表現差不多，難題表現較弱，跟人類類似。研究認為AI有教育潛力，但會出錯，不能取代醫師，答案還是要專業審查。 PubMed DOI

這項研究發現，ChatGPT 3.5在伊朗醫師執照考試中，用英文作答的正確率（61.4%）明顯高於波斯語（35.7%），整體正確率為48.5%，一致性高達91%。在基礎醫學和實習前考試有及格表現，住院醫師前考試則僅達最低標準，顯示其在醫學教育上有潛力，但語言能力仍有限。 PubMed DOI