這項研究評估了三個大型語言模型（LLMs）—ChatGPT-3.5、ChatGPT-4.0 和 Google Gemini 在回答乙型肝炎病毒（HBV）相關問題的表現。醫療專業人員對其準確性進行評分，並評估可讀性。 主要發現包括： - 所有 LLM 在主觀問題上得分高，ChatGPT-4.0 準確性最高。 - 在客觀問題上，ChatGPT-4.0 準確率為 80.8%，優於其他兩者。 - ChatGPT-4.0 在診斷上表現佳，Google Gemini 在臨床表現強勁。 - 所有 LLM 的可讀性分數高於標準八級，對一般讀者來說可能過於複雜。 結果顯示，LLMs，特別是 ChatGPT-4.0，可能成為有關 HBV 的資訊工具，但不應取代醫生的個人化建議。 PubMed DOI

這項研究評估了兩個人工智慧平台，ChatGPT-4o 和 Google Gemini，在回答避孕方法問題的效果。研究從美國婦產科醫學會收集了三十個問題，並將其分為四個領域。結果顯示，兩者都提供高品質的答案，ChatGPT-4o 平均得分為 4.38，Google Gemini 為 4.37，皆被評為「非常好」到「優秀」。雖然整體表現無顯著差異，但 Google Gemini 在某些主題上表現更佳。這顯示人工智慧在提供公共健康資訊方面的潛力，特別是對年輕人。建議未來進行更大規模的研究。 PubMed DOI

這項研究評估了六款人工智慧聊天機器人在提供輸血醫學相關資訊的表現。透過兩次間隔30天的測試，研究檢視了它們的準確性、正確性、完整性和安全性，並由專家進行評估。結果顯示，所有聊天機器人都有不一致的情況，沒有一個能提供完全正確或安全的答案。ChatGPT 4-o和Anthropic Claude 3.5 Sonnet在準確性上表現較佳，而Microsoft Copilot和Google Gemini Advanced則有顯著進步。結論指出，這些聊天機器人雖有潛力，但仍需專家驗證，不能視為權威來源。 PubMed DOI

這項研究評估了四款AI聊天機器人（ChatGPT、Gemini、Perplexity和Copilot）提供的性傳播疾病資訊的可靠性和可讀性。結果顯示，Perplexity和Copilot的資訊較為可靠，但所有聊天機器人的可讀性都未達到建議的六年級標準，對健康素養較低的使用者來說過於複雜。研究強調了改善AI健康資訊準確性和可及性的必要性，以便讓更多人能理解。 PubMed DOI

這項研究發現，當 HIV 諮詢問題加入種族、性別或性傾向等社會背景時，ChatGPT 給不同族群的建議會有落差，部分回應不夠完整，也缺乏文化敏感度和相關資源。這顯示 AI 回應有偏見，未來需納入更多元資料，才能確保公共衛生資訊的公平性。 PubMed DOI

這項研究發現，經過提示優化的AI聊天機器人（像Alice）在提供正確、準確和安全的健康資訊上，比標準版ChatGPT表現更好。不過，所有AI偶爾還是會出錯，所以只能當作輔助工具，不能取代醫療專業人員。未來若要廣泛應用，還需要持續改進並由人員監督。 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

這項研究比較了10款大型語言模型在提供梅毒資訊的表現，發現ChatGPT 4.0和Claude的正確率最高，但有些模型在複雜議題上表現不佳，還會出現過時或錯誤的資訊。只有六成AI生成內容能直接用於臨床，顯示專家審核仍不可或缺。 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