Comparación de la Inteligencia Artificial y el Anestesiólogo en la Evaluación de Riesgos Preoperatorios (AI-PREOP)
Rendimiento Clínico de un Sistema de Inteligencia Artificial Basado en Aprendizaje Automático en Comparación con la Evaluación del Anestesiólogo en la Evaluación Preoperatoria del Paciente
La evaluación preoperatoria es esencial para identificar riesgos relacionados con el paciente antes de una cirugía electiva y para planificar un manejo anestésico seguro. Tradicionalmente, esta evaluación la realizan los anestesiólogos en base a la historia clínica, el examen físico, las comorbilidades y los hallazgos de laboratorio.
Este estudio observacional tiene como objetivo comparar el rendimiento clínico de un sistema de inteligencia artificial basado en aprendizaje automático con la evaluación del anestesiólogo durante la evaluación preoperatoria del paciente. El sistema de inteligencia artificial analiza de forma independiente los datos del paciente y genera evaluaciones de riesgo, que luego se comparan con las evaluaciones realizadas por los anestesiólogos.
El objetivo principal del estudio es evaluar el nivel de concordancia entre el sistema de inteligencia artificial y los anestesiólogos en la evaluación de riesgos preoperatorios. Los objetivos secundarios incluyen evaluar la precisión y consistencia del sistema de inteligencia artificial y explorar su posible papel como herramienta de apoyo a la decisión en la práctica clínica preoperatoria.
Los hallazgos de este estudio pueden contribuir a comprender los posibles beneficios y limitaciones de la toma de decisiones asistida por inteligencia artificial en la evaluación preoperatoria.
Descripción general del estudio
Estado
Condiciones
Descripción detallada
La evaluación preoperatoria es un componente crítico de la atención perioperatoria, destinado a identificar riesgos específicos del paciente, optimizar la seguridad del paciente y guiar la planificación anestésica antes de procedimientos quirúrgicos electivos. Este proceso tradicionalmente se basa en el juicio clínico de los anestesiólogos, quienes integran antecedentes médicos, hallazgos del examen físico, condiciones comórbidas y datos de laboratorio relevantes para evaluar el riesgo perioperatorio.
Los avances recientes en inteligencia artificial y aprendizaje automático han permitido el desarrollo de sistemas de apoyo a la decisión clínica capaces de analizar datos clínicos complejos y generar evaluaciones predictivas de riesgo. A pesar del creciente interés en estas tecnologías, su rendimiento clínico y fiabilidad en entornos preoperatorios del mundo real siguen siendo insuficientemente evaluados.
Este estudio observacional está diseñado para comparar las evaluaciones de riesgo preoperatorio generadas por un sistema de inteligencia artificial basado en aprendizaje automático con las evaluaciones rutinarias dirigidas por anestesiólogos. Los pacientes adultos programados para cirugía electiva se someterán a la evaluación preoperatoria estándar realizada por anestesiólogos como parte de la atención clínica habitual. De manera independiente, los datos anonimizados de los pacientes serán procesados por el sistema de inteligencia artificial para producir evaluaciones de riesgo preoperatorio. La salida de la inteligencia artificial no estará disponible para los clínicos y no influirá en el manejo del paciente.
El resultado principal del estudio es el nivel de concordancia entre el sistema de inteligencia artificial y los anestesiólogos en la estratificación del riesgo preoperatorio. Los resultados secundarios incluyen la consistencia, concordancia y rendimiento general de las evaluaciones generadas por inteligencia artificial en comparación con las evaluaciones clínicas.
Este estudio no implica intervenciones y no altera la atención estándar del paciente. Todas las decisiones de manejo anestésico y perioperatorio seguirán siendo responsabilidad exclusiva del anestesiólogo tratante. Al comparar sistemáticamente las evaluaciones basadas en inteligencia artificial con las evaluaciones clínicas, este estudio pretende aclarar el papel potencial, las fortalezas y las limitaciones de la inteligencia artificial como herramienta de apoyo en la evaluación preoperatoria rutinaria.
Tipo de estudio
Inscripción (Actual)
Contactos y Ubicaciones
Ubicaciones de estudio
-
-
Trabzon
-
Trabzon, Trabzon, Turquía (Türkiye)
- Trabzon Faculty of Medicine, Kanuni Training and Research Hospital,
-
-
Criterios de participación
Criterio de elegibilidad
Edades elegibles para estudiar
- Adulto
- Adulto Mayor
Acepta Voluntarios Saludables
Método de muestreo
Población de estudio
Descripción
Criterios de inclusión:
- - Pacientes adultos de 18 años o más
- Pacientes programados para cirugía electiva bajo anestesia
- Pacientes que se sometieron a evaluación preoperatoria de rutina
- Disponibilidad de datos clínicos preoperatorios completos requeridos tanto para la evaluación del anestesiólogo como para la evaluación basada en inteligencia artificial
Criterios de exclusión:
- - Pacientes menores de 18 años
- Casos de cirugía de emergencia
- Pacientes con datos clínicos preoperatorios incompletos o faltantes
- Pacientes que declinaron participar o cuyos datos no pudieron evaluarse
Plan de estudios
¿Cómo está diseñado el estudio?
Detalles de diseño
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Tasa de Concordancia Entre las Evaluaciones de Riesgo Preoperatorio Basadas en Inteligencia Artificial y las Realizadas por Anestesiólogos
Periodo de tiempo: En el momento de la evaluación preoperatoria
|
Este resultado mide el nivel de concordancia entre un sistema de evaluación preoperatoria basado en inteligencia artificial y la evaluación del anestesiólogo, incluyendo la clasificación del estado físico de la Sociedad Americana de Anestesiólogos (ASA) y la estratificación general del riesgo perioperatorio.
La concordancia se evaluará utilizando medidas estadísticas apropiadas.
|
En el momento de la evaluación preoperatoria
|
Colaboradores e Investigadores
Patrocinador
Investigadores
- Investigador principal: Gülgün E Aksoy, MD, Trabzon Faculty of Medicine, Kanuni Training and Research Hospital, Turkey
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio (Actual)
Finalización primaria (Actual)
Finalización del estudio (Actual)
Fechas de registro del estudio
Enviado por primera vez
Primero enviado que cumplió con los criterios de control de calidad
Publicado por primera vez (Actual)
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
Última actualización enviada que cumplió con los criterios de control de calidad
Última verificación
Más información
Términos relacionados con este estudio
Palabras clave
Otros números de identificación del estudio
- PREOP-AI-2025
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
Descripción del plan IPD
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .