Avaliação do sucesso dos modelos de inteligência artificial na interpretação dos dados de análise de forma de onda arterial

Este estudo observacional prospectivo tem como objetivo avaliar a capacidade dos modelos de inteligência artificial (IA) de interpretar dados de análise de forma de onda arterial obtidos de um sistema de monitoramento hemodinâmico. O estudo se concentrará na avaliação da precisão do ChatGPT-4 e Gemini 2.0 na detecção de anormalidades hemodinâmicas, fornecendo sugestões de diagnóstico e oferecendo recomendações de tratamento com base nos dados da forma de onda arterial coletados de pacientes cirúrgicos eletivos.

A análise da forma de onda arterial de fundo e justificativa é um componente crítico do monitoramento hemodinâmico avançado, fornecendo informações em tempo real sobre o débito cardíaco, resistência vascular e status de volume. Esses parâmetros são essenciais para orientar o gerenciamento perioperatório de líquidos e otimizar a estabilidade hemodinâmica em pacientes cirúrgicos e críticos. Enquanto os sistemas de monitoramento automatizados geram grandes quantidades de dados, a interpretação dessas formas de onda permanece dependente da experiência do clínico. A integração de ferramentas de apoio à decisão baseada em IA nesse contexto pode aprimorar a tomada de decisão clínica em tempo real e reduzir a carga de trabalho para os prestadores de serviços de saúde.

Objetivos do estudo

O objetivo principal deste estudo é determinar a capacidade dos modelos de IA de analisar dados da forma de onda arterial e detectar anormalidades hemodinâmicas clinicamente significativas. Os objetivos secundários são:

Avaliar a concordância entre diagnósticos gerados pela IA e avaliações de anestesiologistas de especialistas.

Avaliar a adequação clínica das recomendações de tratamento geradas pela IA.

Explorar o papel potencial da IA ​​nos sistemas de apoio à decisão clínica para o monitoramento hemodinâmico.

Desenho e metodologia do estudo

Este estudo será realizado em duas instituições de saúde de nível terciário:

Universidade de Ciências da Saúde Istambul Kanuni Sultan Süleyman Hospital de Educação e Treinamento Başakşehir Çam e Hospital da Cidade de Sakura O estudo incluirá pacientes adultos submetidos a cirurgia eletiva que requerem monitoramento intraoperatório de formas de ondas arterial como parte dos cuidados perioperatórios de rotina.

Processo de coleta de dados Os dados hemodinâmicos serão coletados dos participantes usando o sistema de monitoramento hemodinâmico de Mostcare, que é rotineiramente usado em ambientes perioperatórios.

A coleta de dados ocorrerá em três momentos:

Pré-anestesia (status hemodinâmico basal antes da indução) Indução pós-anestesia (após intubação, antes da incisão cirúrgica) Período intraoperatório (durante os principais eventos cirúrgicos que requerem intervenção hemodinâmica) se uma intervenção precisar de acordo com a análise de ondas arteriais, também receberemos dados antes e depois intervenção.

Análise baseada em IA

Os dados da forma de onda arterial coletados serão anonimizados e processados ​​pelos modelos de IA (ChatGPT-4 e Gemini 2.0) para fornecer:

Detecção de anormalidade - Identificando quaisquer desvios a partir de parâmetros hemodinâmicos normais.

Sugestões de diagnóstico - fornecendo diagnósticos clínicos prováveis ​​com base nos padrões de forma de onda.

Recomendações de tratamento - sugerindo possíveis intervenções para otimizar o status hemodinâmico.

A validação de especialistas gerados pelos resultados serão revisados ​​independentemente por anestesiologistas experientes para avaliar sua precisão e relevância clínica.

A concordância entre saídas de IA e avaliações de especialistas será analisada estatisticamente.

Medidas de resultado

Resultado primário:

Precisão dos modelos de IA na detecção de anormalidades hemodinâmicas em comparação com avaliações de especialistas.

Resultados secundários:

Concordância entre diagnósticos gerados pela IA e diagnóstico de anestesiologista. A adequação clínica das recomendações de tratamento geradas pela IA em comparação com a prática clínica padrão.

O papel potencial dos modelos de IA no aumento da tomada de decisão clínica no manejo hemodinâmico perioperatório.

Considerações éticas O estudo não envolve intervenções adicionais além do monitoramento clínico de rotina.

Nenhum dado identificável ao paciente será usado na análise do modelo de IA. O consentimento informado será obtido de todos os participantes antes da inscrição. O estudo foi aprovado pelos comitês de ética relevantes em ambas as instituições participantes.

Estudo da linha do tempo planejada Duração: 6 meses estimados Data de início: 15 de fevereiro de 2025 Data de conclusão estimada: 15 de agosto de 2025 Impacto potencial

Este estudo fornecerá informações valiosas sobre o papel da IA ​​no monitoramento hemodinâmico automatizado e no apoio à decisão perioperatória. Se for bem-sucedido, a análise orientada pela IA dos dados da forma de onda arterial poderia:

Aumente a segurança do paciente através da detecção precoce de anormalidades hemodinâmicas. Melhore a eficiência, auxiliando anestesiologistas na interpretação dos dados. Reduza a carga de trabalho para equipes perioperatórias e de cuidados intensivos. Apoie futuras ferramentas de apoio à decisão clínica futuras para o monitoramento hemodinâmico.