Sammenligning af kunstig intelligens og anæstesiolog i præoperativ risikovurdering (AI-PREOP)

Præoperativ evaluering er en afgørende komponent i perioperativ pleje, som har til formål at identificere patientspecifikke risici, optimere patientsikkerheden og guide anæstesiplanlægningen før elektive kirurgiske indgreb. Denne proces er traditionelt baseret på anæstesilægers kliniske dømmekraft, som integrerer medicinsk historie, fund fra fysisk undersøgelse, komorbide tilstande og relevante laboratoriedata for at vurdere perioperativ risiko.

Nylige fremskridt inden for kunstig intelligens og maskinlæring har muliggjort udviklingen af kliniske beslutningsstøttesystemer, der er i stand til at analysere komplekse kliniske data og generere prædiktive risikovurderinger. På trods af stigende interesse for disse teknologier er deres kliniske præstation og pålidelighed i virkelige præoperative miljøer fortsat utilstrækkeligt evalueret.

Denne observationsstudie er designet til at sammenligne præoperative risikovurderinger genereret af et maskinlæringsbaseret kunstig intelligenssystem med rutinemæssige anæstesilægeledede evalueringer. Voksne patienter planlagt til elektiv kirurgi vil gennemgå standard præoperativ vurdering udført af anæstesilæger som en del af den sædvanlige kliniske pleje. Uafhængigt vil anonymiserede patientdata blive behandlet af det kunstige intelligenssystem for at producere præoperative risikovurderinger. Det kunstige intelligens-output vil ikke være tilgængeligt for klinikere og vil ikke påvirke patienthåndteringen.

Studiets primære resultat er graden af overensstemmelse mellem det kunstige intelligenssystem og anæstesilæger i præoperativ risikostratificering. Sekundære resultater inkluderer konsistens, overensstemmelse og overordnet præstation af kunstig intelligens-genererede vurderinger sammenlignet med klinikervurderinger.

Dette studie indebærer ingen interventioner og ændrer ikke standard patientpleje. Alle anæstesi- og perioperative behandlingsbeslutninger vil forblive fuldstændigt under behandlende anæstesilægers ansvar. Ved systematisk at sammenligne kunstig intelligens-baserede vurderinger med klinikervurderinger sigter dette studie mod at klarlægge den potentielle rolle, styrker og begrænsninger af kunstig intelligens som et støtteværktøj i rutinemæssig præoperativ evaluering