Avtale mellom ChatGPT-5 og anestesileger i preoperativ risikovurdering: ASA-klassifisering (ASA)

Bakgrunn og rasjonalitet Preoperativ risikovurdering er et hjørnestein i perioperativ medisin og påvirker direkte anestesiprogrammering, bruk av laboratorietester og forberedelse av perioperative ressurser. American Society of Anesthesiologists Physical Status (ASA-PS)-klassifiseringen forblir det mest brukte globale risikostratifiseringsverktøyet. Imidlertid er ASA-scoring iboende subjektiv, er avhengig av klinikerens tolkning og kan vise variasjon mellom observatører.

Fremskritt innen kunstig intelligens (AI), spesielt store språkmodeller (LLM), har vist evne til å syntetisere strukturert og ustrukturert klinisk informasjon og generere medisinske klassifiseringer som kan sammenlignes med klinikeres resonnement i utvalgte domener. I perioperativ evaluering kan AI-systemer tilby en mer standardisert og reproduserbar tolkning av komorbiditeter, funksjonell status og laboratorieparametere.

I tillegg til risikoklassifisering representerer bestilling av preoperativ laboratorietester en kritisk komponent i den kliniske arbeidsflyten. Overdreven eller utilstrekkelig laboratorietesting kan påvirke helsetjenestens effektivitet og perioperativ planlegging. Hvorvidt AI-baserte anbefalinger kvantitativt avviker fra anestesilegers bestillingsatferd er fortsatt ukjent.

Videre utgjør perioperativ erytrocyttsuspensjon (pakket rødt blodlegeme, PRBC) en objektiv markør for kirurgisk fysiologisk belastning og perioperativ risiko. Å evaluere om kliniker-tildelt ASA-klassifisering eller AI-generert ASA-klassifisering bedre korrelerer med faktisk PRBC-bruk kan gi innsikt i den kliniske validiteten til AI-assistent risikostratifisering.

Denne studien har som mål å evaluere samsvar mellom anestesileger og ChatGPT-5 i ASA-klassifisering og å sammenligne bestillingsmønstre for laboratorietester og deres sammenheng med perioperativ erytrocyttsuspensjonsbruk.

Studiemål Primært mål Å evaluere samsvar mellom ASA-klassifiseringer tildelt av spesialistanestesileger og ASA-klassifiseringer generert av ChatGPT-5 ved bruk av anonymisert preoperativ klinisk dokumentasjon.

Sekundære mål

Å sammenligne antall og type preoperative laboratorietester bestilt per pasient av:

Bordertifisert anestesilege ChatGPT-5 under standardiserte promptbetingelser Å kvantifisere intensitet i laboratoriebestilling (gjennomsnittlig antall tester per pasient) og evaluere forskjeller mellom kliniker- og AI-genererte anbefalinger.

Å evaluere perioperativ erytrocyttsuspensjon (pakket rødt blodlegeme, PRBC) bruk:

Forekomst av transfusjon Antall PRBC-enheter transfundert per pasient

Å vurdere forholdet mellom:

Kliniker-tildelt ASA-klassifisering AI-generert ASA-klassifisering Laboratoriebestillingsvolum Faktisk perioperativ PRBC-transfusjon Studiedesign Dette er en enkelt-senter, prospektiv-retrospektiv hybrid observasjonsstudie utført på preoperativ anestesi poliklinikk ved Antalya City Hospital.

Planlagt studievarighet er 6 måneder (1. januar 2026 - 1. juli 2026). Målinntak er omtrent 1000 voksne elektive kirurgipasienter, som tillater tilstrekkelig styrke for samsvarsanalyse og undergruppesammenligninger.

Denne studien er observasjonell i naturen. Ingen modifikasjoner vil bli gjort på rutinemessig klinisk omsorg. AI-resultater vil ikke påvirke pasientbehandlingsbeslutninger.

Studiepopulasjon Inklusjonskriterier Alder ≥ 18 år Planlagt for elektiv kirurgi Fullført standardisert preoperativ anestesi evalueringsskjema ASA-klassifisering tildelt av en spesialistanestesilege Skriftlig informert samtykke Klinisk dokumentasjon egnet for anonymisering Eksklusjonskriterier Akutt kirurgi ASA VI-klassifisering Graviditet Pediatriske pasienter (<18 år) Ufullstendig eller ikke-standardisert dokumentasjon Manglende evne til å anonymisere kliniske opptegnelser 30 dager mellom preoperativ vurdering og kirurgi Studieprosedyrer

1. Klinikerbasert vurdering

   Fra elektroniske pasientjournaler vil følgende data bli uttrekket:

   Demografi (alder, kjønn) Komorbiditeter Medikamenthistorikk Funksjonell kapasitet (hvis dokumentert) Fysiske undersøkelsesfunn Laboratoriefunn (hvis bestilt) ASA-klassifisering tildelt av anestesilege Type og antall laboratorietester bestilt Perioperativ erytrocyttsuspensjon (PRBC) transfusjon Transfusjonsforekomst (ja/nei) Totalt antall PRBC-enheter per pasient Laboratorietesttelling vil inkludere alle rutinemessige preoperativ tester (f.eks. CBC, koagulasjonsprofil, biokjemiske paneler, etc.), registrert som totalt antall per pasient.

2. AI-basert vurdering

Anonymiserte preoperativ kliniske sammendrag vil bli lagt inn i ChatGPT-5 ved bruk av en standardisert strukturert prompt. AI vil bli bedt om å:

Tildele en ASA Physical Status-klassifisering. Anbefale preoperativ laboratorietester.

For hver pasient vil følgende AI-resultater bli registrert:

ASA-klassifisering generert av ChatGPT-5 Liste over anbefalte laboratorietester Totalt antall anbefalte laboratorietester AI-anbefalinger vil ikke bli implementert klinisk og vil bli brukt utelukkende for komparativ analyse.

Utfall Primært utfall

Samsvar mellom anestesilege-tildelte og ChatGPT-5-genererte ASA-klassifiseringer, målt ved bruk av:

Cohens kappakoeffisient Vektet kappa (ordinal ASA I-V skala) Sekundære utfall

Gjennomsnittlig antall laboratorietester per pasient:

Kliniker-bestilt AI-anbefalt Fordeling av laboratorietestkategorier.

Perioperativ erytrocyttsuspensjonsbruk:

Transfusjonsrate (% av pasienter) Gjennomsnittlig PRBC-enheter per pasient

Sammenheng mellom:

ASA-klassifisering (kliniker vs AI) Laboratorietestbestillingsvolum PRBC-transfusjonsforekomst og antall enheter Statistisk analyseplan Cohens kappa og vektet kappa for ASA-samsvar Parvise sammenligninger av laboratorietesttellinger ved bruk av parret t-test eller Wilcoxons rangtest Korrelasjonsanalyse mellom laboratorietestvolum og PRBC-enheter Logistisk regresjonsanalyse for prediktorer av PRBC-transfusjon Ordinal regresjonsanalyse for ASA-prediktorer

Undergruppeanalyser stratifisert etter:

Aldersgruppe Kirurgisk kategori Komorbiditetsbyrde Statistisk signifikans vil bli definert som p < 0,05. Stikkprøvestørrelsesbegrunnelse Basert på tidligere ASA-samsvarstudier som rapporterer kappaverdier mellom 0,70-0,85, ble en minimum klinisk meningsfull kappa på 0,60 antatt.

Med α = 0,05 og 80% styrke ble minimum nødvendig stikkprøvestørrelse estimert til 150-180 pasienter.

For å øke statistisk presisjon og muliggjøre robust undergruppanalyse, vil omtrent 1000 pasienter bli inkludert i studieperioden.

Etiske hensyn Denne studien er ikke-intervensjonell og observasjonell. Alle kliniske data vil bli anonymisert før AI-behandling. Ingen pasientbehandlingsbeslutninger vil bli påvirket av AI-resultater. Studien vil bli utført i samsvar med Helsingfors-erklæringen og gjeldende databeskyttelsesreguleringer.

Forventet vitenskapelig bidrag

Denne studien vil gi reell verdens bevis angående:

Påliteligheten til ChatGPT-5 i å generere ASA-klassifiseringer Forskjeller i laboratoriebestillingsintensitet mellom klinikere og AI Sammenhengen mellom ASA-klassifiseringsmetoder og faktisk erytrocyttsuspensjonsbruk Funnene kan bidra til å forstå om AI-assistent preoperativ vurdering kan støtte mer standardisert, objektiv og ressursbevisst perioperativ evaluering.