Tekoälypohjainen ASA-luokitus esioperaatioissa potilaissa (AI-Based ASA C)

American Society of Anesthesiologistsin fyysisen tilan (ASA-PS) luokitus on laajalti käytössä perioperatiivisen riskin arvioinnissa, mutta siinä esiintyy tarkkailijoiden välisiä vaihteluita. Tekoälyn ja suurten kielimallien viimeaikaiset edistysaskeleet ovat tuoneet uusia mahdollisuuksia kliiniseen päätöksenteon tukeen.

Tämä prospektiivinen havainnointitutkimus sisältää aikuispotilaat, jotka käyvät rutiininomaisessa preoperatiivisessa anestesiakartoituksessa Bursan kaupunginsairaalassa. Demografiset tiedot, sairaushistoria, komorbiditeetit, toimintakyky, laboratoriolöydökset, elektrokardiografia, rintakehän kuvantamistulokset ja suunnitellut kirurgiset toimenpiteet tallennetaan standardoitujen kliinisten skenaarioiden luomiseksi.

Useille tekoälymalleille, mukaan lukien suuriin kielimalleihin perustuville järjestelmille, annetaan potilasskenaarioita sekä rakenteellisilla kehotteilla että rakenteettomilla syötteillä. Jokainen malli antaa ASA-PS-luokituksen ja selittävän tekstin. Tekoälyn luomat luokitukset verrataan kokeneiden anestesialääkärien itsenäisesti tekemiin arviointeihin.

Ensisijaisina tuloksina ovat sopivuus ja tarkkuus tekoälyn luomien ja kliinikon antamien ASA-luokitusten välillä käyttäen Cohenin Kappa-tilastoja. Toissijaisina tuloksina ovat luettavuuden arviointi käyttäen Ateşmanin turkkilaista luettavuusindeksiä ja vastauksen laadun arviointi käyttäen Global Quality Scale -mittaria.

Tutkimuksen tavoitteena on selvittää, voiko tekoäly parantaa standardointia, objektiivisuutta ja tehokkuutta preoperatiivisessa riskinarvioinnissa samalla korostaen nykyisten tekoälyteknologioiden vahvuuksia ja rajoituksia kliinisessä anestesiakäytännössä.