Valutazione della Fragilità Rivela Differenze Cognitive nella Classificazione ASA: Anestesisti vs Modelli Linguistici di Grande Portata (ASA-AI)

Questo studio è progettato come un'indagine prospettica, osservazionale, comparativa e multivalutatore che valuta le differenze nella Classificazione dello Stato Fisico ASA tra anestesisti e modelli linguistici di grandi dimensioni (LLM).

Il Sistema di Classificazione dello Stato Fisico ASA è una pietra miliare nella valutazione del rischio perioperatorio; tuttavia, manca di un'esplicita integrazione della fragilità, un concetto multidimensionale che riflette una ridotta riserva fisiologica e vulnerabilità. Nella pratica clinica, gli anestesisti spesso integrano implicitamente informazioni relative alla fragilità nelle valutazioni ASA, contribuendo potenzialmente alla variabilità interosservatore.

I modelli linguistici di grandi dimensioni elaborano le informazioni cliniche utilizzando input espliciti e strutturati e non si basano su ragionamenti esperienziali o intuitivi. Questa caratteristica offre un'opportunità unica per esplorare le differenze cognitive tra esperti umani e intelligenza artificiale nei compiti di classificazione clinica.

Saranno inclusi pazienti adulti (≥18 anni) programmati per chirurgia elettiva. Saranno esclusi i casi di emergenza, i pazienti pediatrici e gli individui con dati clinici insufficienti per consentire la classificazione ASA. Per ciascun paziente, saranno raccolti dati clinici preoperatori standardizzati, inclusi caratteristiche demografiche, indice di massa corporea, comorbidità, farmaci regolari e tipo di procedura chirurgica pianificata.

La Classificazione dello Stato Fisico ASA sarà assegnata in modo indipendente da quattro anestesisti certificati con almeno cinque anni di esperienza clinica, nonché da due modelli linguistici di grandi dimensioni sviluppati da diverse organizzazioni. Tutte le valutazioni saranno condotte utilizzando lo stesso set di dati standardizzato e i valutatori saranno in cieco rispetto alle valutazioni altrui.

Lo studio sarà condotto in due fasi sequenziali. Nella prima fase, la classificazione ASA sarà eseguita utilizzando solo i dati clinici standard. Nella seconda fase, un indice di fragilità validato sarà aggiunto allo stesso set di dati del paziente e il processo di valutazione sarà ripetuto. Questo disegno consentirà di valutare come le informazioni sulla fragilità influenzano le decisioni di classificazione ASA nei valutatori umani e nell'intelligenza artificiale.

I modelli linguistici di grandi dimensioni saranno sollecitati utilizzando un prompt predefinito e standardizzato che rimane invariato per tutta la durata dello studio. Ai modelli sarà istruito di generare una singola categoria di Stato Fisico ASA (I-V) senza fornire spiegazioni o commenti aggiuntivi, e non sarà consentito alcun prompt iterativo o feedback.

La concordanza inter-valutatore tra anestesisti, tra modelli di intelligenza artificiale e tra valutatori umani e di intelligenza artificiale sarà analizzata utilizzando le statistiche di Kappa di Cohen e Kappa di Fleiss, come appropriato. I cambiamenti nella classificazione ASA in seguito all'aggiunta di informazioni sulla fragilità saranno valutati utilizzando metodi statistici appaiati. La significatività statistica sarà definita come p < 0.05.

Confrontando i modelli di classificazione ASA tra anestesisti e modelli linguistici di grandi dimensioni, sia con che senza dati sulla fragilità, questo studio mira a chiarire il ruolo del ragionamento implicito ed esplicito nella valutazione del rischio perioperatorio e a contribuire allo sviluppo di futuri sistemi di supporto decisionale clinico assistiti dall'intelligenza artificiale.