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

這項研究指出，像 ChatGPT 這樣的 AI 平台在病人教育，特別是甲狀腺癌管理中越來越重要。研究人員設計了 50 個問題，評估 ChatGPT 的回答在準確性、全面性、人性化、滿意度和可讀性等方面的表現。結果顯示，使用「統計數據和參考文獻」的提示能產生最準確的答案，而「六年級水平」的提示則讓內容更易懂。不過，沒有特定提示的回答通常較複雜。雖然大部分引用自醫學文獻，但仍有少部分錯誤資訊，因此監督 AI 內容的準確性非常重要。 PubMed DOI

這項研究評估了不同大型語言模型（LLMs）和檢索增強生成（RAG）框架在提供慢性腎病（CKD）飲食指導的準確性。研究以2020年國家腎臟基金會的營養指導為基準，測試了四個聊天機器人（GPT-4、Gemini 和 Llama），並使用12個相關提示。結果顯示，Gemini 和 RAG 的準確性最高（中位數4.0），而 GPT-4 和 Llama 較低（中位數2.5和1.5）。研究建議針對特定領域定制LLMs，或利用指導方針增強RAG框架，以提高醫療保健中的準確性。 PubMed DOI

這項研究評估了GPT-4和BioMistral 7B兩個大型語言模型在回答罕見疾病病人詢問的表現，並與醫生的回應進行比較。結果顯示，GPT-4的表現優於醫生和BioMistral 7B，回應被認為正確且具同理心。BioMistral 7B的回應則部分正確，而醫生的表現介於兩者之間。專家指出，雖然LLMs能減輕醫生負擔，但仍需嚴格驗證其可靠性。GPT-4在溝通上表現佳，但需注意回應的變異性和準確性。 PubMed DOI

這項研究評估了大型語言模型（LLMs）如ChatGPT、Gemini和Claude在甲狀腺結節癌症風險評估中的有效性，並與美國甲狀腺協會（ATA）及全國綜合癌症網絡（NCCN）的指導方針進行比較。322名放射科醫生參與評估，結果顯示Claude得分最高，其次是ChatGPT和Gemini。雖然不當回應比率相似，但ChatGPT在準確性上表現最佳。質性反饋指出，ChatGPT清晰且結構良好，Gemini則可及性高但內容淺薄，Claude組織性佳但偶爾偏離主題。總體而言，這些模型在輔助風險評估上有潛力，但仍需臨床監督以確保可靠性。 PubMed DOI

本研究評估了ChatGPT 4.0根據ACR-TI-RADS 2017標準解讀甲狀腺超音波報告的能力，並與醫療專家及一名缺乏經驗的使用者進行比較。結果顯示，ChatGPT在回聲焦點的評估上與專家一致，但在其他標準上則有不一致。缺乏經驗的使用者表現優於ChatGPT，顯示傳統醫學訓練的重要性。結論指出，ChatGPT可作為輔助診斷工具，但無法取代人類專業知識，並建議改善AI算法以增強其臨床實用性。 PubMed DOI

這項研究評估了大型語言模型（LLMs），如ChatGPT 3.5、ChatGPT 4.0和Gemini，對自體免疫疾病臨床問題的回答效果。共提出46個問題，並由專家根據五個質量維度進行評估。結果顯示，ChatGPT 4.0在所有維度上表現優於其他兩者，平均得分為199.8，顯示其在相關性、正確性、完整性、有用性和安全性方面的顯著優勢。整體而言，ChatGPT 4.0在提供準確且有用的醫療資訊上，顯示出更高的效能，顯示大型語言模型在醫療服務中的潛力。 PubMed DOI

這項研究開發了一套用於提升核醫療診斷治療的聊天機器人架構，透過情境增強（RAG）讓大型語言模型能查找相關研究資料。測試五款主流LLM後發現，RAG能明顯提升答案品質，尤其CLAUDE 3 OPUS和GPT-4O表現最好。研究也提醒，目前問題範圍有限，未來應擴大題目多樣性並比較人類與AI的評分。 PubMed DOI

這項研究比較三款大型語言模型與資淺、資深醫師在回答自體免疫疾病臨床問題的表現。結果發現，特別是Claude 3.5 Sonnet，在正確性和完整性等方面都勝過醫師，顯示AI有潛力協助臨床照護。 PubMed DOI

這項研究比較了三款AI（ChatGPT Plus、Copilot、Perplexity）在回答神經內分泌腫瘤管理問題的表現。ChatGPT Plus在清楚度上表現最好，但所有AI在複雜臨床問題上仍有困難。雖然AI有潛力成為資訊工具，但正確性不一，仍需醫師把關，確保病患溝通安全。 PubMed DOI