수술 전 환자에서의 AI 기반 ASA 분류 (AI-Based ASA C)

미국 마취과 학회 신체 상태(ASA-PS) 분류는 수술 전후 위험 계층화에 널리 사용되지만 관찰자 간 변동성이 있습니다. 인공 지능과 대규모 언어 모델의 최근 발전은 임상 의사 결정 지원을 위한 새로운 기회를 도입했습니다.

이 전향적 관찰 연구에는 부르사 시립 병원에서 일상적인 수술 전 마취 평가를 받는 성인 환자가 포함됩니다. 표준화된 임상 시나리오를 구성하기 위해 인구통계학적 데이터, 병력, 동반 질환, 기능적 능력, 검사실 소견, 심전도, 흉부 영상 검사 결과 및 계획된 수술 절차가 기록됩니다.

대규모 언어 모델 기반 시스템을 포함한 여러 인공 지능 모델은 구조화된 프롬프트와 비구조화된 입력을 모두 사용하여 환자 시나리오를 제공받습니다. 각 모델은 ASA-PS 분류를 할당하고 설명 텍스트를 제공합니다. 인공 지능이 생성한 분류는 경험 많은 마취과 의사가 독립적으로 수행한 평가와 비교됩니다.

주요 결과에는 Cohen의 카파 통계를 사용한 인공 지능 생성 및 임상의 할당 ASA 분류 간 일치도 및 정확도가 포함됩니다. 2차 결과에는 Ateşman 터키어 가독성 지수를 사용한 가독성 평가 및 글로벌 품질 척도를 사용한 응답 품질 평가가 포함됩니다.

이 연구는 인공 지능이 수술 전 위험 평가에서 표준화, 객관성 및 효율성을 개선할 수 있는지 탐구하면서 임상 마취 실습에서 현재 인공 지능 기술의 강점과 한계를 강조하는 것을 목표로 합니다.