Accord Entre ChatGPT-5 et les Anesthésistes dans l'Évaluation des Risques Préopératoires : Classification ASA (ASA)

Contexte et justification L'évaluation préopératoire du risque est une pierre angulaire de la médecine périopératoire et influence directement la planification anesthésique, l'utilisation des tests de laboratoire et la préparation des ressources périopératoires. La classification de l'état physique de l'American Society of Anesthesiologists (ASA-PS) reste l'outil de stratification du risque le plus utilisé mondialement. Cependant, le score ASA est intrinsèquement subjectif, repose sur l'interprétation du clinicien et peut présenter une variabilité inter-observateur.

Les avancées en intelligence artificielle (IA), notamment les grands modèles de langage (LLM), ont démontré la capacité de synthétiser des informations cliniques structurées et non structurées et de générer des classifications médicales comparables au raisonnement clinique dans certains domaines. Dans l'évaluation périopératoire, les systèmes d'IA peuvent offrir une interprétation plus standardisée et reproductible des comorbidités, de l'état fonctionnel et des paramètres de laboratoire.

Outre la classification du risque, la prescription des tests de laboratoire préopératoires représente un élément essentiel du flux de travail clinique. Des tests de laboratoire excessifs ou insuffisants peuvent affecter l'efficacité des soins de santé et la planification périopératoire. On ignore si les recommandations basées sur l'IA diffèrent quantitativement du comportement de prescription des anesthésistes.

Par ailleurs, la transfusion périopératoire de concentrés érythrocytaires (globules rouges, GR) constitue un marqueur objectif de la charge physiologique chirurgicale et du risque périopératoire. Évaluer si la classification ASA attribuée par le clinicien ou la classification ASA générée par l'IA corrèle mieux avec l'utilisation réelle des GR peut fournir un aperçu de la validité clinique de la stratification du risque assistée par l'IA.

Cette étude vise à évaluer la concordance entre les anesthésistes et ChatGPT-5 dans la classification ASA et à comparer les profils de prescription des tests de laboratoire et leur association avec l'utilisation périopératoire de concentrés érythrocytaires.

Objectifs de l'étude Objectif principal Évaluer la concordance entre les classifications ASA attribuées par des anesthésistes spécialistes et les classifications ASA générées par ChatGPT-5 à l'aide de documents cliniques préopératoires anonymisés.

Objectifs secondaires

Comparer le nombre et le type de tests de laboratoire préopératoires prescrits par patient par :

Anesthésistes certifiés ChatGPT-5 dans des conditions d'invite standardisées Quantifier l'intensité de prescription des tests de laboratoire (nombre moyen de tests par patient) et évaluer les différences entre les recommandations des cliniciens et celles générées par l'IA.

Évaluer l'utilisation périopératoire de concentrés érythrocytaires (globules rouges, GR) :

Incidence des transfusions Nombre d'unités de GR transfusées par patient

Évaluer la relation entre :

Classification ASA attribuée par le clinicien Classification ASA générée par l'IA Volume de prescription des tests de laboratoire Transfusion périopératoire réelle de GR Conception de l'étude Il s'agit d'une étude observationnelle hybride prospective-rétrospective monocentrique menée dans la clinique externe d'anesthésie préopératoire de l'hôpital Antalya City.

La durée prévue de l'étude est de 6 mois (1er janvier 2026 - 1er juillet 2026). Le recrutement cible est d'environ 1000 patients adultes de chirurgie élective, permettant une puissance suffisante pour l'analyse de concordance et les comparaisons de sous-groupes.

Cette étude est de nature observationnelle. Aucune modification ne sera apportée aux soins cliniques de routine. Les sorties de l'IA n'influenceront pas les décisions de prise en charge des patients.

Population de l'étude Critères d'inclusion Âge ≥ 18 ans Programmé pour une chirurgie élective Formulaire d'évaluation anesthésique préopératoire standardisé complété Classification ASA attribuée par un anesthésiste spécialiste Consentement éclairé écrit Documentation clinique pouvant être anonymisée Critères d'exclusion Chirurgie d'urgence Classification ASA VI Grossesse Patients pédiatriques (<18 ans) Documentation incomplète ou non standardisée Impossibilité d'anonymiser les dossiers cliniques 30 jours entre l'évaluation préopératoire et la chirurgie Procédures de l'étude

1. Évaluation par le clinicien

   À partir des dossiers médicaux électroniques, les données suivantes seront extraites :

   Données démographiques (âge, sexe) Comorbidités Antécédents médicamenteux Capacité fonctionnelle (si documentée) Constatations de l'examen physique Résultats de laboratoire (si prescrits) Classification ASA attribuée par l'anesthésiste Type et nombre de tests de laboratoire prescrits Transfusion périopératoire de concentrés érythrocytaires (GR) Incidence des transfusions (oui/non) Nombre total d'unités de GR par patient Les décomptes de tests de laboratoire incluront tous les tests préopératoires de routine (par exemple, NFS, bilan de coagulation, panels biochimiques, etc.), enregistrés comme nombre total par patient.

2. Évaluation basée sur l'IA

Des résumés cliniques préopératoires anonymisés seront saisis dans ChatGPT-5 à l'aide d'une invite structurée standardisée. On demandera à l'IA de :

Attribuer une classification de l'état physique ASA. Recommander des tests de laboratoire préopératoires.

Pour chaque patient, les sorties suivantes de l'IA seront enregistrées :

Classification ASA générée par ChatGPT-5 Liste des tests de laboratoire recommandés Nombre total de tests de laboratoire recommandés Les recommandations de l'IA ne seront pas mises en œuvre cliniquement et seront utilisées exclusivement pour l'analyse comparative.

Résultats Résultat principal

Concordance entre les classifications ASA attribuées par l'anesthésiste et générées par ChatGPT-5, mesurée à l'aide de :

Coefficient kappa de Cohen Kappa pondéré (échelle ordinale ASA I-V) Résultats secondaires

Nombre moyen de tests de laboratoire par patient :

Prescrits par le clinicien Recommandés par l'IA Distribution des catégories de tests de laboratoire.

Utilisation périopératoire de concentrés érythrocytaires :

Taux de transfusion (% de patients) Nombre moyen d'unités de GR par patient

Association entre :

Classification ASA (clinique vs IA) Volume de prescription des tests de laboratoire Incidence des transfusions de GR et nombre d'unités Plan d'analyse statistique Kappa de Cohen et kappa pondéré pour la concordance ASA Comparaisons appariées des décomptes de tests de laboratoire à l'aide du test t apparié ou du test des rangs signés de Wilcoxon Analyse de corrélation entre le volume de tests de laboratoire et les unités de GR Analyse de régression logistique pour les prédicteurs de transfusion de GR Analyse de régression ordinale pour les prédicteurs ASA

Analyses de sous-groupes stratifiées par :

Groupe d'âge Catégorie chirurgicale Charge de comorbidités La signification statistique sera définie comme p < 0,05. Justification de la taille de l'échantillon Sur la base d'études antérieures sur la concordance ASA rapportant des valeurs kappa entre 0,70 et 0,85, un kappa cliniquement significatif minimum de 0,60 a été supposé.

Avec α = 0,05 et une puissance de 80 %, la taille d'échantillon minimale requise a été estimée à 150-180 patients.

Pour augmenter la précision statistique et permettre une analyse robuste des sous-groupes, environ 1000 patients seront recrutés pendant la période d'étude.

Considérations éthiques Cette étude est non interventionnelle et observationnelle. Toutes les données cliniques seront anonymisées avant le traitement par l'IA. Aucune décision de prise en charge des patients ne sera influencée par les sorties de l'IA. L'étude sera menée conformément à la Déclaration d'Helsinki et aux réglementations applicables en matière de protection des données.

Contribution scientifique attendue

Cette étude fournira des preuves en vie réelle concernant :

La fiabilité de ChatGPT-5 dans la génération de classifications ASA Les différences d'intensité de prescription des tests de laboratoire entre les cliniciens et l'IA L'association entre les méthodes de classification ASA et l'utilisation réelle de concentrés érythrocytaires Les résultats peuvent contribuer à comprendre si l'évaluation préopératoire assistée par l'IA peut soutenir une évaluation périopératoire plus standardisée, objective et consciente des ressources.