Hodnocení křehkosti odhaluje kognitivní rozdíly v klasifikaci ASA: Anesteziologové vs. velké jazykové modely (ASA-AI)

Tato studie je navržena jako prospektivní, observační, komparativní, multihodnotící šetření hodnotící rozdíly v klasifikaci ASA fyzického stavu mezi anesteziology a velkými jazykovými modely (LLM).

Systém klasifikace ASA fyzického stavu je klíčovým prvkem hodnocení perioperačního rizika; nicméně postrádá explicitní zahrnutí křehkosti, což je multidimenzionální koncept odrážející sníženou fyziologickou rezervu a zranitelnost. V klinické praxi anesteziologové často integrují informace související s křehkostí implicitně do hodnocení ASA, což může přispívat k variabilitě mezi pozorovateli.

Velké jazykové modely zpracovávají klinické informace pomocí explicitních, strukturovaných vstupů a nespoléhají se na zkušenostní nebo intuitivní uvažování. Tato charakteristika poskytuje jedinečnou příležitost prozkoumat kognitivní rozdíly mezi lidskými experty a umělou inteligencí v úlohách klinické klasifikace.

Budou zahrnuti dospělí pacienti (≥18 let) plánovaní na elektivní chirurgický zákrok. Případy urgentní, pediatričtí pacienti a jedinci s nedostatečnými klinickými údaji pro klasifikaci ASA budou vyloučeni. Pro každého pacienta budou shromažďovány standardizované předoperační klinické údaje, včetně demografických charakteristik, indexu tělesné hmotnosti, komorbidit, pravidelných léků a typu plánovaného chirurgického výkonu.

Klasifikaci ASA fyzického stavu budou nezávisle přiřazovat čtyři atestovaní anesteziologové s minimálně pětiletou klinickou praxí, stejně jako dva velké jazykové modely vyvinuté různými organizacemi. Všechna hodnocení budou provedena pomocí stejného standardizovaného souboru dat a hodnotitelé budou vůči hodnocením ostatních zaslepeni.

Studie bude provedena ve dvou po sobě následujících fázích. V první fázi bude klasifikace ASA provedena pouze pomocí standardních klinických dat. Ve druhé fázi bude k témuž souboru pacientů přidán validovaný index křehkosti a proces hodnocení bude opakován. Tento návrh umožní posoudit, jak informace o křehkosti ovlivňují rozhodnutí o klasifikaci ASA u lidských a umělé inteligence hodnotitelů.

Velké jazykové modely budou dotazovány pomocí předdefinovaného, standardizovaného promptu, který zůstane po celou dobu studie nezměněn. Modelům bude nařízeno generovat jedinou kategorii ASA fyzického stavu (I-V) bez poskytování vysvětlení nebo dodatečných komentářů a nebude povoleno iterativní dotazování ani zpětná vazba.

Shoda mezi hodnotiteli mezi anesteziology, mezi modely umělé inteligence a mezi lidskými a umělou inteligencí hodnotiteli bude analyzována pomocí Cohenova Kappa a Fleissova Kappa statistik, jak je vhodné. Změny v klasifikaci ASA po přidání informací o křehkosti budou hodnoceny pomocí párových statistických metod. Statistická významnost bude definována jako p < 0,05.

Srovnáním vzorců klasifikace ASA mezi anesteziology a velkými jazykovými modely, a to jak s daty o křeshkosti, tak bez nich, si tato studie klade za cíl objasnit roli implicitního a explicitního uvažování v hodnocení perioperačního rizika a přispět k vývoji budoucích systémů klinické podpory rozhodování asistovaných umělou inteligencí.