Evaluación del éxito de los modelos de inteligencia artificial en la interpretación de datos de análisis de forma de onda arterial

Este estudio observacional prospectivo tiene como objetivo evaluar la capacidad de los modelos de inteligencia artificial (IA) para interpretar los datos de análisis de forma de onda arterial obtenidos de un sistema de monitoreo hemodinámico. El estudio se centrará en evaluar la precisión de ChatGPT-4 y Gemini 2.0 en la detección de anormalidades hemodinámicas, proporcionar sugerencias de diagnóstico y ofrecer recomendaciones de tratamiento basadas en datos de forma de onda arterial recopilados de pacientes quirúrgicos electivos.

El análisis de forma de onda arterial de antecedentes y justificación es un componente crítico de la monitorización hemodinámica avanzada, que proporciona información en tiempo real sobre el gasto cardíaco, la resistencia vascular y el estado del volumen. Estos parámetros son esenciales para guiar el manejo perioperatorio de líquidos y optimizar la estabilidad hemodinámica en pacientes quirúrgicos y críticos. Si bien los sistemas de monitoreo automatizados generan grandes cantidades de datos, la interpretación de estas formas de onda sigue dependiendo de la experiencia clínica. La integración de las herramientas de apoyo a la decisión basadas en IA en este contexto podría mejorar la toma de decisiones clínicas en tiempo real y reducir la carga de trabajo para los proveedores de atención médica.

Objetivos de estudio

El objetivo principal de este estudio es determinar la capacidad de los modelos de IA para analizar los datos de la forma de onda arterial y detectar anormalidades hemodinámicas clínicamente significativas. Los objetivos secundarios son:

Evaluar la concordancia entre los diagnósticos generados por IA y las evaluaciones de anestesiólogo expertos.

Evaluar la idoneidad clínica de las recomendaciones de tratamiento generadas por IA.

Explorar el papel potencial de la IA en los sistemas de apoyo a las decisiones clínicas para el monitoreo hemodinámico.

Diseño y metodología del estudio

Este estudio se realizará en dos instituciones de salud de nivel terciario:

Universidad de Ciencias de la Salud Estanbul Kanuni Sultan Sultan Süleyman Hospital de Educación y Capacitación Başakşehir çam y Sakura City Hospital El estudio incluirá pacientes adultos sometidos a cirugía electiva que requieren monitoreo intraoperatorio de forma de onda arterial como parte de la atención perioperatoria rutinaria.

Proceso de recopilación de datos Los datos hemodinámicos se recopilarán de los participantes utilizando el sistema de monitoreo hemodinámico más cuidadoso, que se usa rutinariamente en entornos perioperatorios.

La recopilación de datos tendrá lugar en tres puntos de tiempo:

Preanestesia (estado hemodinámico basal antes de la inducción) Postanestesia de inducción (después de la intubación, antes de la incisión quirúrgica) Período intraoperatorio (durante eventos quirúrgicos clave que requieren intervención hemodinámica) Si una intervención necesita de acuerdo con el análisis de la onda arterial, también tomaremos datos antes y después después de después intervención.

Análisis basado en IA

Los datos de forma de onda arterial recopilados serán anonimizados y procesados ​​por AI Models (ChatGPT-4 y Gemini 2.0) para proporcionar:

Detección de anormalidad: identificando cualquier desviación de los parámetros hemodinámicos normales.

Sugerencias de diagnóstico: proporcionar diagnósticos clínicos probables basados ​​en los patrones de forma de onda.

Recomendaciones de tratamiento: sugiriendo posibles intervenciones para optimizar el estado hemodinámico.

Los resultados generados por la IA de validación de expertos serán revisados ​​de forma independiente por anestesiólogos experimentados para evaluar su precisión y relevancia clínica.

La concordancia entre las salidas de IA y las evaluaciones de expertos se analizará estadísticamente.

Medidas de resultado

Resultado primario:

Precisión de los modelos de IA en la detección de anormalidades hemodinámicas en comparación con las evaluaciones de expertos.

Resultados secundarios:

Concordancia entre diagnósticos generados por IA y diagnósticos de anestesiólogo. La idoneidad clínica de las recomendaciones de tratamiento generadas por IA en comparación con la práctica clínica estándar.

El papel potencial de los modelos de IA en la mejora de la toma de decisiones clínicas en el manejo hemodinámico perioperatorio.

Consideraciones éticas El estudio no involucra ninguna intervención adicional más allá del monitoreo clínico de rutina.

No se utilizarán datos identificables al paciente en el análisis del modelo de IA. El consentimiento informado se obtendrá de todos los participantes antes de la inscripción. El estudio ha sido aprobado por los comités de ética relevantes en ambas instituciones participantes.

Línea de tiempo del estudio Duración del estudio planificada: 6 meses Fecha de inicio estimada: 15 de febrero de 2025 Fecha de finalización estimada: 15 de agosto de 2025 Impacto potencial

Este estudio proporcionará información valiosa sobre el papel de la IA en el monitoreo hemodinámico automatizado y el apoyo a la decisión perioperatoria. Si tiene éxito, el análisis impulsado por la IA de los datos de la forma de onda arterial podría:

Mejore la seguridad del paciente a través de la detección temprana de anormalidades hemodinámicas. Mejorar la eficiencia al ayudar a los anestesiólogos en la interpretación de datos. Reduzca la carga de trabajo para equipos de cuidados perioperativos y críticos. Apoye las futuras herramientas de soporte de decisiones clínicas basadas en IA para el monitoreo hemodinámico.