Overeenkomst tussen ChatGPT-5 en Anesthesiologen in Preoperatieve Risicobeoordeling: ASA-classificatie (ASA)

Achtergrond en redenatie Preoperatieve risicobeoordeling is een hoeksteen van perioperatieve geneeskunde en heeft directe invloed op anesthesieplanning, gebruik van laboratoriumtesten en voorbereiding van perioperatieve middelen. De American Society of Anesthesiologists Physical Status (ASA-PS) classificatie blijft het meest gebruikte wereldwijde risicostratificatie-instrument. ASA-scoring is echter inherent subjectief, berust op klinische interpretatie en kan inter-observer variabiliteit vertonen.

Vooruitgang in kunstmatige intelligentie (AI), met name grote taalmodellen (LLM's), heeft aangetoond het vermogen te hebben om gestructureerde en ongestructureerde klinische informatie te synthetiseren en medische classificaties te genereren die vergelijkbaar zijn met klinische redenering in geselecteerde domeinen. In perioperatieve evaluatie kunnen AI-systemen een meer gestandaardiseerde en reproduceerbare interpretatie van comorbiditeiten, functionele status en laboratoriumparameters bieden.

Naast risicoclassificatie vertegenwoordigt het aanvragen van preoperatieve laboratoriumtesten een kritieke component van de klinische workflow. Overmatig of onvoldoende laboratoriumtesten kan de gezondheidszorgefficiëntie en perioperatieve planning beïnvloeden. Of AI-gebaseerde aanbevelingen kwantitatief verschillen van anesthesioloog-aanvraaggedrag blijft onbekend.

Bovendien vormt perioperatieve erythrocytensuspensie (geconcentreerde rode bloedcellen, GRBC) transfusie een objectieve marker van chirurgische fysiologische belasting en perioperatief risico. Evaluatie of door clinicus toegewezen ASA-classificatie of AI-gegenereerde ASA-classificatie beter correleert met werkelijke GRBC-gebruik kan inzicht geven in de klinische validiteit van AI-ondersteunde risicostratificatie.

Deze studie heeft tot doel overeenstemming tussen anesthesiologen en ChatGPT-5 in ASA-classificatie te evalueren en laboratoriumtest-aanvraagpatronen en hun associatie met perioperatief erythrocytensuspensiegebruik te vergelijken.

Studiedoelstellingen Primaire doelstelling Overeenstemming evalueren tussen ASA-classificaties toegewezen door specialist-anesthesiologen en ASA-classificaties gegenereerd door ChatGPT-5 met behulp van geanonimiseerde preoperatieve klinische documentatie.

Secundaire doelstellingen

Het aantal en type preoperatieve laboratoriumtesten per patiënt vergelijken aangevraagd door:

Gecertificeerde anesthesiologen ChatGPT-5 onder gestandaardiseerde promptcondities Laboratoriumaanvraagintensiteit (gemiddeld aantal testen per patiënt) kwantificeren en verschillen tussen klinische en AI-gegenereerde aanbevelingen evalueren.

Perioperatief erythrocytensuspensie (geconcentreerde rode bloedcellen, GRBC) gebruik evalueren:

Incidentie van transfusie Aantal getransfundeerde GRBC-eenheden per patiënt

De relatie beoordelen tussen:

Door clinicus toegewezen ASA-classificatie AI-gegenereerde ASA-classificatie Laboratoriumaanvraagvolume Werkelijke perioperatieve GRBC-transfusie Studiedesign Dit is een single-center, prospectief-retrospectieve hybride observationele studie uitgevoerd in de preoperatieve anesthesiepolikliniek van Antalya Stadsziekenhuis.

De geplande studieduur is 6 maanden (1 januari 2026 - 1 juli 2026). Het streefinschrijving is ongeveer 1000 volwassen electieve chirurgische patiënten, voldoende power toelatend voor overeenstemmingsanalyse en subgroepvergelijkingen.

Deze studie is observationeel van aard. Er worden geen wijzigingen aangebracht in routinematige klinische zorg. AI-output zal patiëntmanagementbeslissingen niet beïnvloeden.

Studiepopulatie Inclusiecriteria Leeftijd ≥ 18 jaar Gepland voor electieve chirurgie Voltooid gestandaardiseerd preoperatief anesthesie-evaluatieformulier ASA-classificatie toegewezen door specialist-anesthesioloog Schriftelijk geïnformeerde toestemming Klinische documentatie geschikt voor anonimisering Exclusiecriteria Spoedeisende chirurgie ASA VI-classificatie Zwangerschap Pediatrische patiënten (<18 jaar) Onvolledige of niet-gestandaardiseerde documentatie Onmogelijkheid klinische dossiers te anonimiseren 30 dagen tussen preoperatieve beoordeling en chirurgie Studiewerkwijzen

1. Klinische beoordeling

   Uit elektronische medische dossiers worden de volgende gegevens geëxtraheerd:

   Demografie (leeftijd, geslacht) Comorbiditeiten Medicatiegeschiedenis Functionele capaciteit (indien gedocumenteerd) Lichamelijk onderzoek bevindingen Laboratoriumbevindingen (indien aangevraagd) ASA-classificatie toegewezen door anesthesioloog Type en aantal aangevraagde laboratoriumtesten Perioperatieve erythrocytensuspensie (GRBC) transfusie Transfusie-incidentie (ja/nee) Totaal aantal GRBC-eenheden per patiënt Laboratoriumtesttellingen omvatten alle routine preoperatieve testen (bijv. CBC, stollingsprofiel, biochemische panels, etc.), geregistreerd als totaal aantal per patiënt.

2. AI-gebaseerde beoordeling

Geanonimiseerde preoperatieve klinische samenvattingen worden ingevoerd in ChatGPT-5 met behulp van een gestandaardiseerde gestructureerde prompt. De AI wordt gevraagd om:

Een ASA Physical Status classificatie toe te wijzen. Preoperatieve laboratoriumtesten aan te bevelen.

Voor elke patiënt worden de volgende AI-outputs geregistreerd:

ASA-classificatie gegenereerd door ChatGPT-5 Lijst van aanbevolen laboratoriumtesten Totaal aantal aanbevolen laboratoriumtesten AI-aanbevelingen worden niet klinisch geïmplementeerd en worden uitsluitend gebruikt voor vergelijkende analyse.

Uitkomsten Primaire uitkomst

Overeenstemming tussen anesthesioloog-toegewezen en ChatGPT-5-gegenereerde ASA-classificaties, gemeten met:

Cohen's kappa-coëfficiënt Gewogen kappa (ordinale ASA I-V schaal) Secundaire uitkomsten

Gemiddeld aantal laboratoriumtesten per patiënt:

Klinisch aangevraagd AI-aanbevolen Distributie van laboratoriumtestcategorieën.

Perioperatief erythrocytensuspensiegebruik:

Transfusiepercentage (% van patiënten) Gemiddelde GRBC-eenheden per patiënt

Associatie tussen:

ASA-classificatie (klinisch vs AI) Laboratoriumtestaanvraagvolume GRBC-transfusie-incidentie en aantal eenheden Statistisch analyseplan Cohen's kappa en gewogen kappa voor ASA-overeenstemming Gepaarde vergelijkingen van laboratoriumtestaantallen met gepaarde t-test of Wilcoxon signed-rank test Correlatieanalyse tussen laboratoriumtestvolume en GRBC-eenheden Logistische regressieanalyse voor voorspellers van GRBC-transfusie Ordinale regressieanalyse voor ASA-voorspellers

Subgroepanalyses gestratificeerd op:

Leeftijdsgroep Chirurgische categorie Comorbiditeitslast Statistisch significantie wordt gedefinieerd als p < 0,05. Steekproefgrootte rechtvaardiging Gebaseerd op eerdere ASA-overeenstemmingsstudies rapporterende kappa-waarden tussen 0,70-0,85, een minimaal klinisch betekenisvolle kappa van 0,60 werd aangenomen.

Met α = 0,05 en 80% power, werd de minimaal vereiste steekproefgrootte geschat op 150-180 patiënten.

Om statistische precisie te verhogen en robuuste subgroepanalyse mogelijk te maken, zullen ongeveer 1000 patiënten worden ingeschreven tijdens de studieperiode.

Ethische overwegingen Deze studie is niet-interventioneel en observationeel. Alle klinische gegevens worden geanonimiseerd vóór AI-verwerking. Geen patiëntmanagementbeslissingen worden beïnvloed door AI-output. De studie wordt uitgevoerd in overeenstemming met de Verklaring van Helsinki en toepasselijke gegevensbeschermingsregelgeving.

Verwachte wetenschappelijke bijdrage

Deze studie zal real-world bewijs leveren met betrekking tot:

De betrouwbaarheid van ChatGPT-5 in het genereren van ASA-classificaties Verschillen in laboratoriumaanvraagintensiteit tussen clinici en AI De associatie tussen ASA-classificatiemethoden en werkelijke erythrocytensuspensiegebruik De bevindingen kunnen bijdragen aan begrip of AI-ondersteunde preoperatieve beoordeling meer gestandaardiseerde, objectieve en resource-bewuste perioperatieve evaluatie kan ondersteunen.