A Previsibilidade da Necessidade de Consulta de Cardiologia em Doentes Agendados para Cirurgia Não-Cardíaca Usando Modelos de Inteligência Artificial na Avaliação Pré-Operatória de Anestesia

Título Resumido Estruturado

Previsibilidade da Necessidade de Consulta de Cardiologia em Pacientes Submetidos a Cirurgia Não-Cardíaca Utilizando Modelos de Inteligência Artificial

Contexto

A avaliação do risco cardíaco pré-operatório é essencial para minimizar a morbilidade e mortalidade perioperatórias em pacientes submetidos a cirurgia não-cardíaca. As consultas de cardiologia são frequentemente solicitadas para avaliar a elegibilidade cirúrgica e reduzir os riscos de complicações. No entanto, consultas desnecessárias podem contribuir para uma utilização ineficiente dos recursos de saúde e atrasos nos procedimentos.

Os avanços recentes em inteligência artificial, particularmente os modelos de linguagem de grande escala, demonstraram potencial nos sistemas de apoio à decisão clínica. As diretrizes da Sociedade Europeia de Cardiologia (ESC) de 2024 fornecem um quadro estruturado para avaliar o risco cardíaco perioperatório. Este estudo visa investigar se os modelos baseados em IA podem auxiliar na previsão da necessidade de consulta de cardiologia e examinar o efeito dos formatos de entrada com instrução versus sem instrução nas recomendações da IA.

Desenho do Estudo

Estudo prospetivo, observacional e comparativo.

Aprovação Ética

O estudo foi aprovado pelo Comité de Ética do Hospital da Cidade de Bursa e será conduzido de acordo com a Declaração de Helsínquia.

Tamanho da Amostra

O tamanho da amostra foi calculado utilizando o software G*Power com base no tamanho do efeito antecipado e nos requisitos de poder estatístico.

Participantes

Critérios de Inclusão:

Adultos com 18 anos ou mais

Estado físico ASA I-IV

Agendados para cirurgia não-cardíaca

Avaliados por residentes de anestesiologia com menos de dois anos de experiência clínica

Critérios de Exclusão:

Pacientes pediátricos

Pacientes que recusem participar

Dados clínicos incompletos

Recolha de Dados

Os seguintes dados do paciente serão registados:

Dados demográficos (idade, sexo, IMC)

Historial médico (comorbilidades, uso de medicação, alergias, uso de substâncias)

Capacidade funcional (pontuação METs)

Resultados do ECG

Resultados da radiografia torácica

Características do procedimento cirúrgico planeado

Avaliação do Modelo de IA

Vários modelos de linguagem de IA serão testados utilizando cenários de pacientes padronizados. Cada cenário será apresentado em dois formatos:

Formato com instrução:

"És um anestesiologista com 10 anos de experiência. De acordo com as diretrizes da ESC 2024, avalia se este paciente necessita de consulta de cardiologia."

Formato sem instrução:

"Avalia se este paciente necessita de consulta de cardiologia."

As recomendações da IA não influenciarão a tomada de decisão clínica.

Medidas de Resultado

As análises primárias e secundárias incluirão:

Concordância entre as recomendações da IA e as avaliações dos anestesiologistas especialistas

Legibilidade das respostas geradas pela IA

Avaliação da qualidade das respostas

Comparações do desempenho de classificação entre modelos

Análise Estatística

As análises estatísticas serão realizadas utilizando testes comparativos e de concordância apropriados. As pontuações de legibilidade e qualidade serão analisadas utilizando métodos não paramétricos quando aplicável. A análise ROC será utilizada para avaliar a capacidade de classificação. Será aplicado um nível de significância de p < 0,05.

Objetivo do Estudo

O objetivo deste estudo é explorar a viabilidade dos sistemas de apoio à decisão assistidos por IA na previsão dos requisitos de consulta de cardiologia e avaliar se a engenharia de instruções influencia o desempenho da IA.