Vurdering av effektiviteten til ChatGPT for å oppdage infeksjoner på operasjonsstedet etter elektiv kolorektal kirurgi (ChatCCR)

Helsetilknyttede infeksjoner (HAI) har en negativ innvirkning på pasienthelsen, representerer en betydelig helsevesen og økonomisk byrde for helsevesenet og regnes som den mest forebyggbare årsaken til alvorlige uønskede hendelser hos innlagte pasienter.

Epidemiologisk overvåking er en av de åtte kjernekomponentene i Verdens helseorganisasjons (WHO) infeksjonsforebyggings- og kontrollprogrammer. Disse inkluderer overvåkingsprogrammer for infeksjon på operasjonsstedet (SSI), som har vist seg å være effektive i alle typer kirurgi og i en rekke settinger.

For at et program skal være effektivt, må overvåking av HCAIer være aktiv, prospektiv og kontinuerlig, omfattende en overvåkingsperiode på opptil 30-90 dager etter intervensjon, for å dekke den høye frekvensen av SSI-er oppdaget etter utskrivning.

For tiden utfører smittevernteam et manuelt, prospektivt, tidkrevende og nærmest håndverksarbeid, som bør gjøre en overgang til automatisert eller halvautomatisert overvåking som utnytter mulighetene som tilbys av dagens informasjonsteknologi.

Utviklingen av overvåkingssystemer bør dra nytte av disse nye mulighetene som tilbys av kunstig intelligens, som tillater automatisert oppdagelse av mistenkte SSI-bivirkninger fra klinisk kurstekst, mikrobiologirapporter eller koding av diagnoser, prosedyrer, komplikasjoner og reinnleggelser.

Denne pilotstudien tar sikte på å evaluere ChatGPTs evne til å oppdage kirurgiske infeksjoner (SSI) på de tre anatomiske nivåene beskrevet av CDC. Målet er å retrospektivt sammenligne resultatene av AI-chatboten i diagnostisering av SSI, trent ved hjelp av US CDC-definisjonskriteriene, med en kohort av elektive kolorektalkirurgiske pasienter evaluert gjennom et landsomfattende nosokomialt infeksjonsovervåkingssystem.