La Predictibilidad de la Necesidad de Consulta Cardiológica en Pacientes Programados para Cirugía No Cardíaca Utilizando Modelos de Inteligencia Artificial en la Evaluación Preoperatoria de Anestesia
La Efectividad del Uso de la Inteligencia Artificial (Chat GPT) en la Evaluación Cardíaca Durante el Examen de Anestesia de Casos Preoperatorios
Título del Resumen Estructurado
Predictibilidad de la Necesidad de Consulta Cardiológica en Pacientes Sometidos a Cirugía No Cardíaca Utilizando Modelos de Inteligencia Artificial
Antecedentes
La evaluación del riesgo cardíaco preoperatorio es esencial para minimizar la morbilidad y mortalidad perioperatoria en pacientes sometidos a cirugía no cardíaca. A menudo se solicitan consultas de cardiología para evaluar la elegibilidad quirúrgica y reducir los riesgos de complicaciones. Sin embargo, las consultas innecesarias pueden contribuir a una utilización ineficiente de los recursos sanitarios y a retrasos en los procedimientos.
Los avances recientes en inteligencia artificial, particularmente los modelos de lenguaje de gran tamaño, han demostrado potencial en los sistemas de apoyo a la decisión clínica. Las directrices de la Sociedad Europea de Cardiología (ESC) de 2024 proporcionan un marco estructurado para evaluar el riesgo cardíaco perioperatorio. Este estudio tiene como objetivo investigar si los modelos basados en IA pueden ayudar a predecir la necesidad de consulta de cardiología y examinar el efecto de los formatos de entrada con indicaciones frente a los no indicados en las recomendaciones de IA.
Diseño del Estudio
Estudio prospectivo, observacional, comparativo.
Aprobación Ética
El estudio ha sido aprobado por el Comité de Ética del Hospital de la Ciudad de Bursa y se llevará a cabo de acuerdo con la Declaración de Helsinki.
Tamaño de la Muestra
El tamaño de la muestra se calculó utilizando el software G*Power basándose en el tamaño del efecto anticipado y los requisitos de potencia estadística.
Participantes
Criterios de Inclusión:
Adultos de 18 años o más
Estado físico ASA I-IV
Programados para cirugía no cardíaca
Evaluados por residentes de anestesiología con menos de dos años de experiencia clínica
Criterios de Exclusión:
Pacientes pediátricos
Pacientes que rechazan participar
Datos clínicos incompletos
Recopilación de Datos
Se registrarán los siguientes datos del paciente:
Datos demográficos (edad, sexo, IMC)
Historial médico (comorbilidades, uso de medicamentos, alergias, consumo de sustancias)
Capacidad funcional (puntuación METs)
Hallazgos del ECG
Hallazgos de la radiografía de tórax
Características del procedimiento quirúrgico planificado
Evaluación del Modelo de IA
Se probarán múltiples modelos de lenguaje de IA utilizando escenarios de pacientes estandarizados. Cada escenario se presentará en dos formatos:
Formato con indicación:
"Eres un anestesiólogo con 10 años de experiencia. Según las directrices ESC 2024, evalúa si este paciente requiere consulta de cardiología."
Formato sin indicación:
"Evalúa si este paciente requiere consulta de cardiología."
Las recomendaciones de IA no influirán en la toma de decisiones clínicas.
Medidas de Resultado
Los análisis primarios y secundarios incluirán:
Concordancia entre las recomendaciones de IA y las evaluaciones de anestesiólogos expertos
Legibilidad de las respuestas generadas por IA
Evaluación de la calidad de las respuestas
Comparaciones del rendimiento de clasificación entre modelos
Análisis Estadístico
Los análisis estadísticos se realizarán utilizando pruebas comparativas y de concordancia apropiadas. Las puntuaciones de legibilidad y calidad se analizarán utilizando métodos no paramétricos cuando sea aplicable. Se utilizará análisis ROC para evaluar la capacidad de clasificación. Se aplicará un nivel de significación de p < 0,05.
Objetivo del Estudio
El objetivo de este estudio es explorar la viabilidad de los sistemas de apoyo a la decisión asistidos por IA para predecir los requisitos de consulta de cardiología y evaluar si la ingeniería de indicaciones influye en el rendimiento de la IA.
Descripción general del estudio
Estado
Condiciones
Descripción detallada
Título del Resumen Estructurado
Predictibilidad de la Necesidad de Consulta Cardiológica en Pacientes Sometidos a Cirugía No Cardíaca Utilizando Modelos de Inteligencia Artificial
Antecedentes
La evaluación preoperatoria del riesgo cardíaco es esencial para minimizar la morbilidad y mortalidad perioperatorias en pacientes sometidos a cirugía no cardíaca. A menudo se solicitan consultas de cardiología para evaluar la elegibilidad quirúrgica y reducir los riesgos de complicaciones. Sin embargo, las consultas innecesarias pueden contribuir a una utilización ineficiente de los recursos sanitarios y retrasos en los procedimientos.
Los avances recientes en inteligencia artificial, particularmente los modelos de lenguaje extenso, han demostrado potencial en los sistemas de apoyo a la toma de decisiones clínicas. Las directrices de la Sociedad Europea de Cardiología (SEC) de 2024 proporcionan un marco estructurado para evaluar el riesgo cardíaco perioperatorio. Este estudio tiene como objetivo investigar si los modelos basados en IA pueden ayudar a predecir la necesidad de consulta de cardiología y examinar el efecto de los formatos de entrada con indicaciones frente a los no indicados en las recomendaciones de la IA.
Diseño del Estudio
Estudio prospectivo, observacional, comparativo.
Aprobación Ética
El estudio ha sido aprobado por el Comité de Ética del Hospital de la Ciudad de Bursa y se llevará a cabo de acuerdo con la Declaración de Helsinki.
Tamaño de la Muestra
El tamaño de la muestra se calculó utilizando el software G*Power basándose en el tamaño del efecto anticipado y los requisitos de potencia estadística.
Participantes
Criterios de Inclusión:
Adultos de 18 años o más
Estado físico ASA I-IV
Programados para cirugía no cardíaca
Evaluados por residentes de anestesiología con menos de dos años de experiencia clínica
Criterios de Exclusión:
Pacientes pediátricos
Pacientes que rechazan la participación
Datos clínicos incompletos
Recopilación de Datos
Se registrarán los siguientes datos del paciente:
Datos demográficos (edad, sexo, IMC)
Antecedentes médicos (comorbilidades, uso de medicamentos, alergias, consumo de sustancias)
Capacidad funcional (puntuación MET)
Hallazgos del ECG
Hallazgos de la radiografía de tórax
Características del procedimiento quirúrgico planificado
Evaluación del Modelo de IA
Se probarán múltiples modelos de lenguaje de IA utilizando escenarios de pacientes estandarizados. Cada escenario se presentará en dos formatos:
Formato con indicaciones:
"Eres un anestesiólogo con 10 años de experiencia. Según las directrices de la SEC 2024, evalúa si este paciente requiere consulta de cardiología."
Formato sin indicaciones:
"Evalúa si este paciente requiere consulta de cardiología."
Las recomendaciones de la IA no influirán en la toma de decisiones clínicas.
Medidas de Resultado
Los análisis primarios y secundarios incluirán:
Concordancia entre las recomendaciones de la IA y las evaluaciones de anestesiólogos expertos
Legibilidad de las respuestas generadas por la IA
Evaluación de la calidad de las respuestas
Comparaciones del rendimiento de clasificación entre modelos
Análisis Estadístico
Los análisis estadísticos se realizarán utilizando pruebas comparativas y de concordancia apropiadas. Las puntuaciones de legibilidad y calidad se analizarán utilizando métodos no paramétricos cuando sea aplicable. Se utilizará el análisis ROC para evaluar la capacidad de clasificación. Se aplicará un nivel de significación de p < 0.05.
Objetivo del Estudio
El objetivo de este estudio es explorar la viabilidad de los sistemas de apoyo a la toma de decisiones asistidos por IA para predecir los requisitos de consulta de cardiología y evaluar si la ingeniería de indicaciones influye en el rendimiento de la IA.
Tipo de estudio
Inscripción (Estimado)
Contactos y Ubicaciones
Ubicaciones de estudio
-
-
Bursa
-
Bursa, Bursa, Turquía (Türkiye), 16001
- Bursa Şehir Hastanesi
-
-
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:
Adultos de 18 años o más
Clasificación del estado físico ASA I-IV
Programados para cirugía no cardíaca
Pacientes evaluados preoperatoriamente por residentes de anestesia con menos de dos años de experiencia clínica
Disponibilidad de datos clínicos completos, incluidos antecedentes médicos, hallazgos de ECG y radiografía de tórax
Capacidad para dar consentimiento informado
Criterios de exclusión:
Pacientes menores de 18 años
Pacientes sometidos a cirugía cardíaca
Pacientes con datos clínicos incompletos
Pacientes que rechazaron la participación
Casos de cirugía de emergencia
Pacientes incapaces de someterse a la evaluación preoperatoria estándar
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 |
|---|---|---|
|
Acuerdo entre las recomendaciones del modelo de IA y la decisión del anestesiólogo experto sobre el requisito de consulta cardiológica
Periodo de tiempo: En la evaluación preoperatoria basal (Día 1)
|
El nivel de concordancia entre las recomendaciones del modelo de inteligencia artificial y las evaluaciones de anestesiólogos expertos sobre la necesidad de consulta de cardiología se evaluará utilizando el coeficiente Kappa de Cohen según las directrices ESC 2024.
|
En la evaluación preoperatoria basal (Día 1)
|
Otras medidas de resultado
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Legibilidad de las Respuestas Generadas por IA
Periodo de tiempo: Inmediatamente después de la evaluación de la respuesta generada por IA (Día 1)
|
La legibilidad de las respuestas generadas por IA se evaluará mediante el Índice de Legibilidad de Ateşman para determinar la claridad y comprensibilidad de las recomendaciones de consulta.
|
Inmediatamente después de la evaluación de la respuesta generada por IA (Día 1)
|
Colaboradores e Investigadores
Patrocinador
Investigadores
- Investigador principal: eralp çevikkalp, Bursa Şehir Hastanesi
Publicaciones y enlaces útiles
Publicaciones Generales
- 1.M. Graeßner et al., "Enabling personalized perioperative risk prediction by using a machinelearning model based on preoperative data," Scientific Reports, vol. 13, no. 1, May 2023, doi: 10.1038/s41598-023-33981-8. 2.B. Choi et al., "Prediction Model for 30-Day Mortality after Non-Cardiac Surgery Using MachineLearning Techniques Based on Preoperative Evaluation of Electronic Medical Records," Journal of Clinical Medicine, vol. 11, no. 21, p. 6487, Nov. 2022, doi: 10.3390/jcm11216487. 3.M. Vine et al., "Innovative approaches to preoperative care including feasibility, efficacy, and ethical implications: a narrative review," AME Surgical Journal, vol. 4. AME Publishing Company, p. 1, Feb. 01, 2024. doi: 10.21037/asj-23-41. 4.P. Chung, C. T. Fong, A. M. Walters, N. Aghaeepour, M. Yetişgen, and V. N. O'Reilly-Shah, "Large Language Model Capabilities in Perioperative Risk Prediction and Prognostication," JAMA Surgery, vol. 159, no. 8, American Medical Association, p. 928, Jun. 05, 2024. doi: 10.1001/jamasurg.2024.1621 5.T. Yurttas, R. Hidvegi, and M. Filipovic, "Biomarker-Based Preoperative Risk Stratification for Patients Undergoing Non-Cardiac Surgery," Journal of Clinical Medicine, vol. 9, no. 2, p. 351, Jan. 2020, doi: 10.3390/jcm9020351 6.J. Stones and D. Yates, "Clinical risk assessment tools in anaesthesia," BJA Education, vol. 19, no. 2. Elsevier BV, p. 47, Dec. 15, 2018. doi: 10.1016/j.bjae.2018.09.009. 7. Engineering as an Important Emerging Skill for Medical Professionals: Tutorial. J Med Internet Res. 2023 Oct 4;25:e50638. doi: 10.2196/50638. PMID: 37792434; PMCID: PMC10585440. 8. ATEŞMAN, Ender. (1997). Türkçe'de okunabilirliğin Ölçülmesi. A.Ü. Tömer Dil Dergisi, sayı:58,s.171174. 9. Coskun B, Ocakoglu G, Yetemen M, Kaygisiz O. Can ChatGPT, an Artificial Intelligence Language Model, Provide Accurate and High-quality Patient Information on Prostate Cancer? Urology. 2023 Oct;180:35-58. doi: 10.1016/j.urology.2023.05.040. Epub 2023 Jul 4. PMID: 37406
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio (Actual)
Finalización primaria (Actual)
Finalización del estudio (Estimado)
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
- Bursa Şehir Hastanesi
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. .