ChatGPT-5と麻酔科医の間での術前リスク評価に関する合意：ASA分類 (ASA)

背景と理論的根拠 術前リスク評価は周術期医療の基盤であり、麻酔計画、検査の活用、周術期リソースの準備に直接影響を及ぼします。 アメリカ麻酔科学会身体状態（ASA-PS）分類は、現在も世界で最も広く使用されているリスク層別化ツールです。 しかし、ASAスコアリングは本質的に主観的であり、臨床医の解釈に依存し、観察者間の変動を示す可能性があります。

人工知能（AI）、特に大規模言語モデル（LLM）の進歩により、構造化および非構造化された臨床情報を統合し、特定の領域において臨床医の推論に匹敵する医学的分類を生成する能力が実証されています。 周術期評価において、AIシステムは併存疾患、機能状態、検査パラメータのより標準化された再現性のある解釈を提供する可能性があります。

リスク分類に加えて、術前検査のオーダーは臨床ワークフローの重要な構成要素です。 過剰または不十分な検査は、医療効率と周術期計画に影響を及ぼす可能性があります。 AIに基づく推奨が麻酔科医のオーダー行動と量的に異なるかどうかは不明です。

さらに、周術期赤血球濃厚液（PRBC）輸血は、手術の生理的負荷と周術期リスクの客観的指標となります。 臨床医が割り当てたASA分類とAIが生成したASA分類のどちらが実際のPRBC使用量とより強く相関するかを評価することは、AI支援リスク層別化の臨床的有効性に関する洞察を提供する可能性があります。

本研究は、麻酔科医とChatGPT-5によるASA分類の一致度を評価し、検査オーダーパターンと周術期赤血球濃厚液使用との関連を比較することを目的とします。

研究目的 主要目的 専門麻酔科医が割り当てたASA分類と、匿名化された術前臨床文書を用いてChatGPT-5が生成したASA分類の一致度を評価すること。

二次目的

患者ごとにオーダーされた術前検査の数と種類を以下によって比較すること：

ボード認定麻酔科医 ChatGPT-5（標準化されたプロンプト条件下） 検査オーダー強度（患者あたりの平均検査数）を定量化し、臨床医とAIが生成した推奨の差異を評価すること。

周術期赤血球濃厚液（PRBC）使用を評価すること：

輸血の発生率 患者ごとの輸血PRBC単位数

以下の関係を評価すること：

臨床医が割り当てたASA分類 AIが生成したASA分類 検査オーダー量 実際の周術期PRBC輸血 研究デザイン これは、アンタルヤ市立病院の術前麻酔外来クリニックで実施される単一施設、前向き・後ろ向きハイブリッド観察研究です。

計画研究期間は6か月（2026年1月1日～2026年7月1日）です。 目標登録数は約1000人の成人選択的手術患者であり、一致度分析とサブグループ比較に十分な検出力を確保します。

本研究は観察研究です。 通常の臨床ケアは変更されません。 AIの出力は患者管理の決定に影響を与えません。

研究対象集団 包括基準 年齢≧18歳 選択的手術が予定されている 標準化された術前麻酔評価フォームが完了している 専門麻酔科医がASA分類を割り当てている 書面によるインフォームドコンセントが得られている 匿名化に適した臨床文書がある 除外基準 緊急手術 ASA VI分類 妊娠 小児患者（＜18歳） 不完全または非標準化された文書 臨床記録を匿名化できない 術前評価と手術の間に30日以上ある 研究手順

1. 臨床医に基づく評価

   電子医療記録から以下のデータを抽出します：

   人口統計学的データ（年齢、性別） 併存疾患 薬剤歴 機能的能力（記録されている場合） 身体所見 検査所見（オーダーされた場合） 麻酔科医が割り当てたASA分類 オーダーされた検査の種類と数 周術期赤血球濃厚液（PRBC）輸血 輸血発生率（あり／なし） 患者ごとのPRBC単位総数 検査カウントには、すべてのルーチン術前検査（例：CBC、凝固プロファイル、生化学パネルなど）を含め、患者ごとの総数として記録します。

2. AIに基づく評価

匿名化された術前臨床サマリーを、標準化された構造化プロンプトを用いてChatGPT-5に入力します。 AIには以下を求めます：

ASA身体状態分類を割り当てる。 術前検査を推奨する。

各患者について、以下のAI出力を記録します：

ChatGPT-5が生成したASA分類 推奨検査のリスト 推奨検査の総数 AIの推奨は臨床的に実施されず、比較分析にのみ使用されます。

アウトカム 主要アウトカム

麻酔科医が割り当てたASA分類とChatGPT-5が生成したASA分類の一致度を、以下を用いて測定：

コーエンのカッパ係数 加重カッパ（順序尺度ASA I-Vスケール） 二次アウトカム

患者あたりの平均検査数：

臨床医がオーダーしたもの AIが推奨したもの 検査カテゴリーの分布。

周術期赤血球濃厚液使用：

輸血率（患者の％） 患者あたりの平均PRBC単位数

以下との関連：

ASA分類（臨床医対AI） 検査オーダー量 PRBC輸血発生率と単位数 統計解析計画 ASA一致度のコーエンのカッパと加重カッパ 検査カウントの対応のある比較（対応のあるt検定またはウィルコクソンの符号順位検定） 検査量とPRBC単位数の相関分析 PRBC輸血の予測因子のロジスティック回帰分析 ASA予測因子の順序回帰分析

以下で層別化したサブグループ解析：

年齢層 手術カテゴリー 併存疾患負荷 統計的有意性はp＜0.05と定義します。 サンプルサイズの根拠 以前のASA一致度研究で報告されたカッパ値0.70-0.85に基づき、 臨床的に意味のある最小カッパ値を0.60と仮定しました。

α＝0.05、検出力80％として、必要最小サンプルサイズは150-180患者と推定されました。

統計的精度を高め、堅牢なサブグループ解析を可能にするため、研究期間中に約1000人の患者を登録します。

倫理的考慮事項 本研究は非介入的かつ観察的研究です。 すべての臨床データはAI処理前に匿名化されます。 患者管理の決定はAIの出力に影響されません。 本研究はヘルシンキ宣言および適用されるデータ保護規制に従って実施されます。

期待される科学的貢献

本研究は以下に関する実世界エビデンスを提供します：

ChatGPT-5によるASA分類生成の信頼性 臨床医とAIの検査オーダー強度の差異 ASA分類方法と実際の赤血球濃厚液使用との関連 これらの知見は、AI支援術前評価がより標準化された、客観的で、リソースを意識した周術期評価を支援できるかどうかの理解に貢献する可能性があります。