這項研究評估了ChatGPT 3.5和4在回答骨科考試問題的表現，使用了來自首爾國立大學醫院的160道問題，分為11個子類別。結果顯示，ChatGPT 3.5的正確率為37.5%，而ChatGPT 4提升至60.0%（p < 0.001）。大部分類別中，ChatGPT 4表現較佳，唯獨在腫瘤相關問題上不如3.5。此外，ChatGPT 4的回答不一致率顯著低於3.5（9.4%對比47.5%）。雖然ChatGPT 4在骨科考試中表現不錯，但仍需謹慎對待其不一致的回答和錯誤解釋。 PubMed DOI

2022年11月，OpenAI推出了ChatGPT，引發了對其在醫學領域有效性的討論。研究專注於ChatGPT對髕股疼痛的回答能力，並比較一般民眾、非骨科醫生及專家的評價。使用12個問題進行評估，結果顯示專家對ChatGPT的評分普遍較低，尤其在複雜問題上。雖然ChatGPT提供的資訊質量不錯，但隨著問題複雜度增加，其表現下降，顯示出人類專業知識在醫療中的重要性。 PubMed DOI

這項研究探討了人工智慧，特別是ChatGPT-4，在分析複雜臨床數據及生成合理評估和計畫的能力，特別針對骨科手術。研究聚焦於急診部門的十種常見骨折，利用患者的諮詢紀錄來提供AI所需的病史和檢查結果。結果顯示，ChatGPT-4能產出安全且合理的計畫，與多專科會議的臨床結果相符。雖然對大型語言模型的評估仍在發展中，但這項研究顯示AI在臨床決策中的潛力，未來可考慮以實際臨床結果作為基準。 PubMed DOI

這項研究評估了ChatGPT-4在回答全踝關節置換術（TAA）相關問題的表現。研究人員提出十二個常見問題，並請四位專科外科醫生評分其回答的準確性和清晰度。平均得分為1.8（滿分4分），顯示在事實性問題上表現尚可，但對於術後方案等細緻問題評分較低。外科醫生的評分差異顯著，顯示出不同的解讀和期望。這強調了針對特定臨床情境設計AI工具的必要性，以提升病人教育和資訊的準確性。 PubMed DOI

這項研究比較了ChatGPT-4o和4 Turbo在提供足底筋膜炎治療建議的表現，發現兩者在準確度和一致性上都不錯，特別是在封閉式問題和正面建議方面表現較佳。不過，根據問題類型和建議強度，兩者還是有些微差異。總結來說，ChatGPT能產生符合指引的建議，但使用時還是要小心，注意其限制。 PubMed DOI

三款主流聊天機器人（ChatGPT 4.0、Claude 2、Gemini）回答阿基里斯肌腱病變相關問題，ChatGPT 4.0「優秀」答案較多，但總分差不多。專家評分有落差，顯示標準化評估還不夠。雖然這些AI能提供不錯的醫療資訊，但臨床應用時還是要小心。 PubMed DOI

這項研究發現，ChatGPT 在回答踝關節和鎖骨骨折手術常見問題時，比 Google 更準確、內容更貼近臨床，還引用較多學術資料。結果顯示，像 ChatGPT 這類 AI 有機會提升病人獲取線上醫療資訊的品質與可靠性，未來在臨床照護上很有發展潛力。 PubMed DOI

這項研究發現，ChatGPT-o1 preview 在急診腳踝疼痛鑑別診斷上，比 ChatGPT-4 更清楚、準確，表現有顯著進步。雖然兩者表現都還不錯，但偶爾會出錯，還是需要醫師監督。AI 可以輔助急診分診，但無法完全取代臨床判斷。 PubMed DOI

這項研究測試了經過客製化訓練的ChatGPT，針對高脛骨截骨術（HTO）問題的回答能力，並以專家共識聲明為基礎。研究用10題測試AI，並由三位膝關節外科醫師評分。結果顯示，AI在正確性、相關性、清楚度和完整性方面表現都不錯，評審間一致性也高。雖然對非共識聲明的題目分數略低，但整體來說，這個AI有潛力成為外科醫師的輔助工具，也適合應用在其他醫療指引上。 PubMed DOI

這項研究發現，ChatGPT-4在回答關節置換相關問題時，正確率只有66.9%，明顯低於骨科研究員和主治醫師。特別是在有圖片的題目上，表現更差。雖然ChatGPT可當作學習輔助，但還無法取代專業醫師的臨床判斷，未來還需更多研究來提升AI在醫療領域的應用。 PubMed DOI