KI-basierte ASA-Klassifikation bei präoperativen Patienten (AI-Based ASA C)

Die ASA-Klassifikation (American Society of Anesthesiologists Physical Status) wird häufig zur perioperativen Risikostratifizierung eingesetzt, unterliegt jedoch einer Interobserver-Variabilität. Jüngste Fortschritte in der künstlichen Intelligenz und bei großen Sprachmodellen haben neue Möglichkeiten für die klinische Entscheidungsunterstützung eröffnet.

Diese prospektive Beobachtungsstudie umfasst erwachsene Patienten, die sich einer routinemäßigen präoperativen Anästhesiebewertung im Bursa City Hospital unterziehen. Demografische Daten, Krankengeschichte, Begleiterkrankungen, funktionelle Kapazität, Laborbefunde, Elektrokardiographie, Ergebnisse der Thoraxbildgebung und geplante chirurgische Eingriffe werden erfasst, um standardisierte klinische Szenarien zu erstellen.

Mehreren KI-Modellen, darunter Systeme auf Basis großer Sprachmodelle, werden Patientenszenarien sowohl über strukturierte Aufforderungen als auch unstrukturierte Eingaben bereitgestellt. Jedes Modell weist eine ASA-Klassifikation zu und liefert erläuternden Text. Die KI-generierten Klassifikationen werden mit unabhängigen Bewertungen erfahrener Anästhesisten verglichen.

Primäre Endpunkte umfassen Übereinstimmung und Genauigkeit zwischen KI-generierten und klinisch zugewiesenen ASA-Klassifikationen unter Verwendung von Cohens Kappa-Statistik. Sekundäre Endpunkte umfassen Lesbarkeitsbewertung mit dem Ateşman-Türkisch-Lesbarkeitsindex und Bewertung der Antwortqualität mit der Global Quality Scale.

Die Studie zielt darauf ab zu untersuchen, ob künstliche Intelligenz die Standardisierung, Objektivität und Effizienz in der präoperativen Risikobewertung verbessern kann, wobei gleichzeitig die Stärken und Grenzen aktueller KI-Technologien in der klinischen Anästhesiepraxis aufgezeigt werden.