AI-baseret ASA-klassificering hos præoperative patienter (AI-Based ASA C)

American Society of Anesthesiologists Physical Status (ASA-PS) klassifikationen er bredt anvendt til perioperativ risikostratificering, men er underlagt interobservatørvariation. Nylige fremskridt inden for kunstig intelligens og store sprogmodeller har introduceret nye muligheder for klinisk beslutningsstøtte.

Denne prospektive observationsundersøgelse inkluderer voksne patienter, der gennemgår rutinemæssig præoperativ anestesivurdering på Bursa City Hospital. Demografiske data, sygehistorie, komorbiditeter, funktionel kapacitet, laboratoriefund, elektrokardiografi, brystbilledresultater og planlagte kirurgiske procedurer registreres for at konstruere standardiserede kliniske scenarier.

Flere kunstig intelligens-modeller, inklusive store sprogmodelbaserede systemer, præsenteres for patient-scenarier ved hjælp af både strukturerede prompts og ustrukturerede input. Hver model tildeler en ASA-PS-klassifikation og leverer forklarende tekst. AI-genererede klassifikationer sammenlignes med vurderinger udført uafhængigt af erfarne anæstesiologer.

Primære resultater omfatter overensstemmelse og nøjagtighed mellem AI-genererede og kliniker-tildelte ASA-klassifikationer ved hjælp af Cohens Kappa-statistik. Sekundære resultater omfatter læsbarhedsvurdering ved hjælp af Ateşman Tyrkisk Læsbarhedsindeks og responskvalitetsvurdering ved hjælp af Global Quality Scale.

Undersøgelsen har til formål at udforske, om kunstig intelligens kan forbedre standardisering, objektivitet og effektivitet i præoperativ risikovurdering, samtidig med at den fremhæver styrker og begrænsninger ved nuværende AI-teknologier i klinisk anæstesipraksis.