Vurdering af effektiviteten af ​​ChatGPT til påvisning af kirurgiske infektioner efter elektiv kolorektal kirurgi (ChatCCR)

Healthcare-associated infektioner (HAI'er) har en negativ indvirkning på patienternes sundhed, repræsenterer en betydelig sundhedspleje og økonomisk byrde for sundhedssystemerne og betragtes som den mest forebyggelige årsag til alvorlige bivirkninger hos indlagte patienter.

Epidemiologisk overvågning er en af ​​de otte kernekomponenter i Verdenssundhedsorganisationens (WHO) infektionsforebyggelses- og kontrolprogrammer. Disse omfatter overvågningsprogrammer for infektion på operationsstedet (SSI), som har vist sig at være effektive i alle typer kirurgi og i en række forskellige miljøer.

For at et program skal være effektivt, skal overvågningen for HCAI'er være aktiv, prospektiv og kontinuerlig, omfattende en overvågningsperiode på op til 30-90 dage efter indgrebet, for at dække den høje frekvens af SSI'er opdaget efter udskrivning.

På nuværende tidspunkt udfører infektionskontrolhold et manuelt, prospektivt, tidskrævende og nærmest håndværksmæssigt arbejde, som skulle lave en overgang til automatiseret eller semi-automatiseret overvågning, der udnytter de muligheder, som nutidens informationsteknologi giver.

Udviklingen af ​​overvågningssystemer bør drage fordel af disse nye muligheder, der tilbydes af kunstig intelligens, som muliggør automatisk påvisning af formodede SSI-bivirkninger fra klinisk kursustekst, mikrobiologiske rapporter eller kodning af diagnoser, procedurer, komplikationer og genindlæggelser.

Denne pilotundersøgelse har til formål at evaluere ChatGPT's evne til at detektere kirurgiske infektioner (SSI) på de tre anatomiske niveauer beskrevet af CDC. Målet er retrospektivt at sammenligne resultaterne af AI-chatbot til diagnosticering af SSI, trænet ved hjælp af de amerikanske CDC-definitionskriterier, med en kohorte af elektive kolorektalkirurgiske patienter evalueret gennem et landsdækkende nosokomialt infektionsovervågningssystem.