Aftale Mellem ChatGPT-5 og Anæstesilæger i Præoperativ Risikovurdering: ASA-klassifikation (ASA)

Baggrund og Rationale Preoperativ risikovurdering er et hjørnesten i perioperativ medicin og påvirker direkte anæstesiplanlægning, anvendelse af laboratorieprøver og forberedelse af perioperative ressourcer. American Society of Anesthesiologists Physical Status (ASA-PS) klassifikationen forbliver det mest anvendte globale risikostratificeringsværktøj. ASA-scoring er imidlertid iboende subjektiv, afhænger af klinikers fortolkning og kan vise interobservatørvariation.

Fremskridt inden for kunstig intelligens (AI), især store sprogmodeller (LLM'er), har demonstreret evnen til at syntetisere struktureret og ustruktureret klinisk information og generere medicinske klassifikationer sammenlignelige med klinikers ræsonnement i udvalgte domæner. I perioperativ evaluering kan AI-systemer tilbyde en mere standardiseret og reproducerbar fortolkning af komorbiditeter, funktionel status og laboratorieparametre.

Udover risikoklassifikation repræsenterer bestilling af preoperativ laboratorieprøver en kritisk komponent af den kliniske arbejdsgang. Overdreven eller utilstrækkelig laboratorietestning kan påvirke sundhedsvæsenets effektivitet og perioperativ planlægning. Om AI-baserede anbefalinger kvantitativt adskiller sig fra anæstesiologers bestillingsadfærd er fortsat ukendt.

Yderligere udgør perioperativ erythrocytsuspension (pakket røde blodlegemer, PRBC) transfusion et objektivt mærke for kirurgisk fysiologisk belastning og perioperativ risiko. Vurdering af hvorvidt kliniker-tildelt ASA-klassifikation eller AI-genereret ASA-klassifikation bedre korrelerer med faktisk PRBC-anvendelse kan give indsigt i den kliniske validitet af AI-assisteret risikostratificering.

Dette studie har til formål at evaluere overensstemmelse mellem anæstesiologer og ChatGPT-5 i ASA-klassifikation og at sammenligne laboratorietestbestillingsmønstre og deres association med perioperativ erythrocytsuspensionsbrug.

Studieformål Primært Formål At evaluere overensstemmelse mellem ASA-klassifikationer tildelt af specialistanæstesiologer og ASA-klassifikationer genereret af ChatGPT-5 ved brug af anonymiseret preoperativ klinisk dokumentation.

Sekundære Formål

At sammenligne antallet og typen af preoperativ laboratorietest bestilt pr. patient af:

Board-certificerede anæstesiologer ChatGPT-5 under standardiserede promptbetingelser At kvantificere laboratoriebestillingsintensitet (gennemsnitligt antal test pr. patient) og evaluere forskelle mellem kliniker- og AI-genererede anbefalinger.

At evaluere perioperativ erythrocytsuspension (pakket røde blodlegemer, PRBC) anvendelse:

Forekomst af transfusion Antal PRBC-enheder transfunderet pr. patient

At vurdere forholdet mellem:

Kliniker-tildelt ASA-klassifikation AI-genereret ASA-klassifikation Laboratoriebestillingsvolumen Faktisk perioperativ PRBC-transfusion Studiedesign Dette er et single-center, prospektiv-retrospektivt hybridt observationsstudie udført i den preoperativ anæstesiambulatorieklinik på Antalya City Hospital.

Den planlagte studieduration er 6 måneder (1. januar 2026 - 1. juli 2026). Det målrettede rekrutteringsmål er cirka 1000 voksne elektive kirurgiske patienter, hvilket giver tilstrækkelig styrke til overensstemmelsesanalyse og undergruppesammenligninger.

Dette studie er observationsmæssigt af natur. Ingen ændringer vil blive foretaget til rutinemæssig klinisk pleje. AI-output vil ikke påvirke patienthåndteringsbeslutninger.

Studiepopulation Inklusionskriterier Alder ≥ 18 år Planlagt til elektiv kirurgi Udfyldt standardiseret preoperativ anæstesievalueringsformular ASA-klassifikation tildelt af en specialistanæstesiolog Skriftligt informeret samtykke Klinisk dokumentation egnet til anonymisering Eksklusionskriterier Akutkirurgi ASA VI-klassifikation Graviditet Pædiatriske patienter (<18 år) Ufuldstændig eller ikke-standardiseret dokumentation Manglende evne til at anonymisere kliniske optegnelser 30 dage mellem preoperativ vurdering og kirurgi Studieprocedurer

1. Klinikerbaseret Vurdering

   Fra elektroniske medicinske journaler vil følgende data blive ekstraheret:

   Demografi (alder, køn) Komorbiditeter Medicinhistorie Funktionel kapacitet (hvis dokumenteret) Fysiske undersøgelsesfund Laboratoriefund (hvis bestilt) ASA-klassifikation tildelt af anæstesiolog Type og antal laboratorietest bestilt Perioperativ erythrocytsuspension (PRBC) transfusion Transfusionsforekomst (ja/nej) Samlet antal PRBC-enheder pr. patient Laboratorietesttællinger vil inkludere alle rutinemæssige preoperativ test (f.eks., CBC, koagulationsprofil, biokemiske paneler, etc.), registreret som samlet antal pr. patient.

2. AI-baseret Vurdering

Anonymiserede preoperativ kliniske resuméer vil blive indtastet i ChatGPT-5 ved brug af en standardiseret struktureret prompt. AI'en vil blive bedt om at:

Tildele en ASA Physical Status-klassifikation. Anbefale preoperativ laboratorietest.

For hver patient vil følgende AI-output blive registreret:

ASA-klassifikation genereret af ChatGPT-5 Liste over anbefalede laboratorietest Samlet antal anbefalede laboratorietest AI-anbefalinger vil ikke blive implementeret klinisk og vil udelukkende blive brugt til komparativ analyse.

Outcomes Primært Outcome

Overensstemmelse mellem anæstesiolog-tildelte og ChatGPT-5-genererede ASA-klassifikationer, målt ved brug af:

Cohens kappakoefficient Vægtet kappa (ordinal ASA I-V skala) Sekundære Outcomes

Gennemsnitligt antal laboratorietest pr. patient:

Kliniker-bestilt AI-anbefalet Fordeling af laboratorietestkategorier.

Perioperativ erythrocytsuspensionsanvendelse:

Transfusionsrate (% af patienter) Gennemsnitlige PRBC-enheder pr. patient

Association mellem:

ASA-klassifikation (kliniker vs AI) Laboratorietestbestillingsvolumen PRBC-transfusionsforekomst og antal enheder Statistisk Analyseplan Cohens kappa og vægtet kappa for ASA-overensstemmelse Parrede sammenligninger af laboratorietesttællinger ved brug af parret t-test eller Wilcoxons rangsumtest Korrelationsanalyse mellem laboratorietestvolumen og PRBC-enheder Logistisk regressionsanalyse for prædiktorer for PRBC-transfusion Ordinal regressionsanalyse for ASA-prædiktorer

Undergruppeanalyser stratificeret efter:

Aldersgruppe Kirurgisk kategori Komorbiditetsbyrde Statistisk signifikans vil blive defineret som p < 0,05. Stikprøvestørrelsesbegrundelse Baseret på tidligere ASA-overensstemmelsesstudier rapporterende kappaværdier mellem 0,70-0,85, en minimum klinisk meningsfuld kappa på 0,60 blev antaget.

Med α = 0,05 og 80% styrke blev den mindst nødvendige stikprøvestørrelse estimeret til 150-180 patienter.

For at øge statistisk præcision og muliggøre robust undergruppesanalyse vil cirka 1000 patienter blive rekrutteret i studieperioden.

Etiske Overvejelser Dette studie er ikke-interventionelt og observationsmæssigt. Alle kliniske data vil blive anonymiseret før AI-behandling. Ingen patienthåndteringsbeslutninger vil blive påvirket af AI-output. Studiet vil blive udført i overensstemmelse med Helsingforserklæringen og gældende databeskyttelsesreguleringer.

Forventet Videnskabeligt Bidrag

Dette studie vil levere virkelighedsbaseret evidens vedrørende:

Pålideligheden af ChatGPT-5 i at generere ASA-klassifikationer Forskelle i laboratoriebestillingsintensitet mellem klinikere og AI Associationen mellem ASA-klassifikationsmetoder og faktisk erythrocytsuspensionsanvendelse Resultaterne kan bidrage til forståelsen af hvorvidt AI-assisteret preoperativ vurdering kan understøtte en mere standardiseret, objektiv og ressourcebevidst perioperativ evaluering.