這項研究評估了ChatGPT（包含GPT-3.5和GPT-4）在診斷神經眼科疾病的準確性，使用了22個病例。結果顯示，GPT-3.5的正確診斷率為59%，而GPT-4提升至82%。相比之下，兩位神經眼科醫生的準確率為86%。GPT-4與專家的協議程度優於GPT-3.5，顯示出其在臨床診斷上的潛力，但仍需進一步研究以了解其在資源有限的環境中的應用。 PubMed DOI

這項研究評估了ChatGPT在分析葡萄膜黑色素瘤患者案例並提供治療建議的能力。研究回顧了40名患者的案例，發現ChatGPT的手術建議準確性為55%，排除眼球摘除後提高至75%。與三位專家的建議一致性分別為50%、55%和57%，在排除眼球摘除後則提升至70%至75%。雖然ChatGPT在簡單案例中表現不錯，但在處理更複雜的情況時仍有其限制，顯示出需要更全面的患者評估。 PubMed DOI

最近生成式人工智慧的進展，特別是像GPT-4 V這樣的多模態模型，顯示出在分析視覺和文本數據方面的潛力，對醫療保健，尤其是眼科，可能帶來重大影響。本研究評估了GPT-4 V在診斷眼部疾病的能力，結果顯示提供臨床背景能顯著提升診斷準確性。沒有背景時，GPT-4 V的正確率為47.5%，有背景時提升至67.5%。這顯示GPT-4 V能有效整合視覺與文本信息，對改善眼科病患護理有潛力。 PubMed DOI

這項研究評估了ChatGPT-4.0和ChatGPT-3.5在回答眼科問題準備庫中的多選題表現。隨機選取520道問題，結果顯示GPT-4.0正確率為78.46%（408道），而GPT-3.5為64.15%（333道），兩者差異具統計意義（p=0.0195）。GPT-4.0在所有子群分析中均優於GPT-3.5，顯示其在處理複雜醫學數據的能力更強。研究強調AI在醫學領域的潛力，並建議需有監考等措施以確保線上測試的完整性。呼籲進一步研究AI在臨床決策中的應用。 PubMed DOI

這項研究評估了ChatGPT-4在解讀視野測試的有效性，對於診斷青光眼等眼科疾病非常重要。分析了30份視野測試報告，結果顯示ChatGPT-4在識別測試名稱、模式和全球視野指數方面表現優異，準確率分別為100%、90%和96.7%。不過，在解讀偏差圖和灰階圖的準確率較低，分別為66.7%和30%。此外，正確分類測試為「正常」或提出診斷建議的成功率僅有33.3%。這顯示出ChatGPT-4在數據解讀上有潛力，但在複雜的視覺解釋和診斷建議上仍有待加強。 PubMed DOI

這項研究評估了ChatGPT-4o在提供甲狀腺眼病（TED）諮詢和初步診斷的表現，特別是在非英語環境中。研究比較了ChatGPT-4o、ChatGPT-4和一位經驗豐富的眼科教授的回應，重點在準確性、全面性、簡潔性和整體滿意度。結果顯示，ChatGPT-4o在準確性和結構化回應上優於其他兩者，並成功識別病理狀況，解讀CT影像的準確性也與教授相當。儘管如此，研究也指出了錯誤資訊和法律問題的潛在風險，需謹慎處理。 PubMed DOI

這項研究發現，GPT-4在診斷複雜眼科病例時，如果只有圖片沒文字，準確率會明顯下降；但有圖片說明時，表現就會提升。整體來說，GPT-4的表現和部分眼科醫師差不多，但還不及最頂尖的專家。顯示它目前在眼科影像判讀上還有進步空間，但未來有潛力成為臨床輔助工具。 PubMed DOI

這項研究發現，ChatGPT-4在回答角膜潰瘍相關問題時，對於危險因子、症狀和治療等主題表現不錯，但在分類、檢查和臨床徵象方面較弱。大多數答案被評為良好或可接受，但專家評分有些差異。整體來說，ChatGPT-4在眼科教育有潛力，但還需要加強準確度和一致性。 PubMed DOI

這項研究用ChatGPT打造的聊天機器人，測試100個假設眼科急診案例，分級結果和三位資深眼科醫師高度一致（Cohen’s kappa約0.74–0.75），整體一致性也很高（Fleiss’ kappa = 0.79），和醫師表現沒顯著差異。顯示AI聊天機器人在眼科急診分級上，準確度可媲美專業醫師，有望成為急診分級的輔助工具。 PubMed DOI

這項研究用22個神經眼科病例，比較ChatGPT（GPT-3.5和GPT-4）和兩位專科醫師的診斷能力。GPT-3.5正確率59%，GPT-4有82%，醫師則是86%。GPT-4的表現已經接近專科醫師，顯示AI有潛力協助診斷複雜眼腦疾病，尤其在缺乏專科醫師的地區。不過，臨床應用前還需要更多驗證安全性與可靠性。 PubMed DOI