這項研究評估了婦科腫瘤學中醫生與AI聊天機器人（如ChatGPT和Bard）對常見臨床問題的回答質量。研究中，五位醫生和兩個AI平台回答了十個問題。結果顯示，醫生的回答在76.7%的情況下被評為最佳，明顯優於ChatGPT（10%）和Bard（13.3%）。醫生的準確率為86.7%，而AI的準確率則分別為60%和43%。這顯示醫生的回答質量和準確性高於AI，並提醒大家在尋求醫療建議時要謹慎使用AI。 PubMed DOI

這項研究評估了三款生成式AI聊天機器人—Chat GPT-4、Claude和Bard—在回答子宮內膜異位症問題的準確性。九位婦產科醫生對十個常見問題的回答進行評分，結果顯示Bard平均得分3.69，Chat GPT 4.24，Claude 3.7。雖然這些機器人的回答大多正確，但仍不夠全面，Chat GPT的表現最佳。研究強調持續評估這些聊天機器人的必要性，以確保能提供準確且全面的資訊，並指出隨著生成式AI在醫療領域的普及，進一步研究的重要性。 PubMed DOI

這項研究評估了三款AI聊天機器人—ChatGPT 4.0、Claude 3.0和Gemini Pro—以及Google在回答腎臟移植後常見問題的表現。研究使用5點李克特量表評估回應質量，並透過病人教育材料評估工具（PEMAT）檢視可理解性和可行性。結果顯示，回應質量高（中位分數4），可理解性良好（中位72.7%），但可行性較差（中位20%）。可讀性較難，Claude 3.0提供最可靠的回應，而ChatGPT 4.0則在可理解性上表現突出。Google在各項指標上未能超越這些聊天機器人。 PubMed DOI

這項研究評估了五款AI聊天機器人對口腔癌問題的回應，包括Bing、GPT-3.5、GPT-4、Google Bard和Claude。經過專家評估，GPT-4獲得最高質量分數（17.3），而Bing最低（14.9）。Bard在可讀性上表現最佳，GPT-4和Bard在同理心及引用準確性方面也表現突出。整體來看，GPT-4提供的回應質量最高，但大多數聊天機器人在同理心和準確引用上仍有待加強。 PubMed DOI

這項研究評估了兩個AI聊天機器人，ChatGPT 3.5和Perplexity，針對Dravet症候群的問題回答表現。從醫療專業人員和照顧者收集了96個問題，並由癲癇專家評分。 主要發現包括：ChatGPT 3.5的準確率為66.7%，而Perplexity為81.3%。兩者在治療問題上表現不佳，完整性方面，ChatGPT 3.5為73.4%，Perplexity為75.7%。ChatGPT 3.5能修正55.6%的錯誤，Perplexity則為80%。可讀性上，Perplexity優於ChatGPT 3.5。研究顯示AI在醫療資訊提供上有潛力，但仍需改善。 PubMed DOI

這項研究評估了幾款AI聊天機器人（如GPT-3.5、GPT-4、Bard和Bing）在提供基本生命支持（BLS）指導的表現。結果顯示，GPT-4在成人情境中準確率最高（85%），而Bard則中等（60%）。不過，所有機器人在處理兒童和嬰兒的緊急情況時表現不佳，得分都低於44%。雖然GPT-4的可靠性較高，但這些聊天機器人仍未能始終遵循BLS指導，因此在緊急情況下仍需人類監督。 PubMed DOI

這項研究探討了人工智慧（AI）如何幫助一般醫師（GPs）進行關於死亡的開放性討論。研究使用ChatGPT-4o模擬醫療溝通場景，讓GP與臨終病人及其照顧者進行諮詢。結果顯示，ChatGPT成功創建了一個七步驟的討論場景，但未明確使用「臨終」或「死亡」等詞彙，也忽略了文化和宗教因素。總結來說，ChatGPT-4o可作為GPs學習進行敏感討論的有用工具，無需高端技術資源。 PubMed DOI

這項研究比較GPT-4和中國腫瘤科醫師回答癌症病患問題的表現。結果顯示，GPT-4在病患衛教的答案較完整，正確性和安全性也不輸醫師，但在醫療決策上正確率較低，偶爾還會出現危險錯誤。醫師和病患對同理心的感受也不同。總結來說，GPT-4適合用於衛教，但在醫療決策上仍需醫師把關。 PubMed DOI

這項研究比較四款免費AI聊天機器人回答肝癌相關問題的表現，發現它們雖然能提供大致正確且無偏見的資訊，但在資料來源、治療細節和說明清楚度上有差異。AI回答可作為參考，但仍需專業醫師把關，不能取代醫療建議。 PubMed DOI

這項研究發現，採用檢索增強技術的AI聊天機器人（如ChatGPT-4o Deep Research等）在提供結節病資訊時，比一般AI更準確可靠。不過，他們的回答多半太艱深，病人不易看懂，而且給的實際建議也不夠明確。整體來說，AI雖然能提供高品質資訊，但在易讀性和實用性上還有進步空間。 PubMed DOI