Överenskommelse Mellan ChatGPT-5 och Anestesiläkare i Preoperativ Riskbedömning: ASA-klassificering (ASA)

Bakgrund och motivering Preoperativ riskbedömning är en hörnsten inom perioperativ medicin och påverkar direkt anestesiprogrammering, laboratorieprovsanvändning och perioperativ resursförberedelse. American Society of Anesthesiologists Physical Status-klassificeringen (ASA-PS) förblir det mest använda globala verktyget för riskstratifiering. ASA-poängsättning är dock inneboende subjektiv, förlitar sig på klinikers tolkning och kan uppvisa interobservatörsvariation.

Framsteg inom artificiell intelligens (AI), särskilt stora språkmodeller (LLM), har visat förmåga att syntetisera strukturerad och ostrukturerad klinisk information och generera medicinska klassificeringar jämförbara med klinikers resonemang inom utvalda områden. Inom perioperativ utvärdering kan AI-system erbjuda en mer standardiserad och reproducerbar tolkning av komorbiditeter, funktionell status och laboratorieparametrar.

Förutom riskklassificering utgör beställning av preoperativa laboratorieprov en kritisk komponent i kliniskt arbetsflöde. Överdriven eller otillräcklig laboratorieprovtagning kan påverka sjukvårdseffektivitet och perioperativ planering. Huruvida AI-baserade rekommendationer kvantitativt skiljer sig från anestesiologers beställningsbeteende återstår att fastställa.

Dessutom utgör perioperativ erytrocytsuspensionstransfusion (packade röda blodkroppar, PRBC) en objektiv markör för kirurgisk fysiologisk belastning och perioperativ risk. Att utvärdera om kliniker-tilldelad ASA-klassificering eller AI-genererad ASA-klassificering bättre korrelerar med faktisk PRBC-användning kan ge insikt i den kliniska validiteten av AI-assisterad riskstratifiering.

Denna studie syftar till att utvärdera överensstämmelse mellan anestesiologer och ChatGPT-5 i ASA-klassificering och att jämföra laboratorieprovbeställningsmönster och deras association med perioperativ erytrocytsuspensionsanvändning.

Studieobjektiv Primärt objektiv Att utvärdera överensstämmelse mellan ASA-klassificeringar tilldelade av specialistanestesiologer och ASA-klassificeringar genererade av ChatGPT-5 med anonymiserad preoperativ klinisk dokumentation.

Sekundära objektiv

Att jämföra antal och typ av preoperativa laboratorieprov beställda per patient av:

Board-certifierade anestesiologer ChatGPT-5 under standardiserade promptvillkor Att kvantifiera laboratoriebeställningsintensitet (genomsnittligt antal prov per patient) och utvärdera skillnader mellan kliniker- och AI-genererade rekommendationer.

Att utvärdera perioperativ erytrocytsuspensionsanvändning (packade röda blodkroppar, PRBC):

Transfusionsincidens Antal PRBC-enheter transfunderade per patient

Att bedöma sambandet mellan:

Kliniker-tilldelad ASA-klassificering AI-genererad ASA-klassificering Laboratoriebeställningsvolym Faktisk perioperativ PRBC-transfusion Studiets design Detta är en en-centrum, prospektiv-retrospektiv hybridobservationsstudie genomförd på preoperativ anestesiambulatorium på Antalya City Hospital.

Planerad studieduration är 6 månader (1 januari 2026 - 1 juli 2026). Målinkludering är cirka 1000 vuxna elektiva kirurgipatienter, vilket tillåter tillräcklig styrka för överensstämmelseanalys och undergruppsjämförelser.

Denna studie är observationsmässig till sin natur. Inga ändringar kommer att göras i rutinmässig klinisk vård. AI-utdata kommer inte att påverka patienthanteringsbeslut.

Studiepopulation Inklusionskriterier Ålder ≥ 18 år Schemalagd för elektiv kirurgi Fullständigt standardiserat preoperativt anestesiutvärderingsformulär ASA-klassificering tilldelad av specialistanestesiolog Skriftligt informerat samtycke Klinisk dokumentation lämplig för anonymisering Exklusionskriterier Akutkirurgi ASA VI-klassificering Graviditet Pediatriska patienter (<18 år) Ofullständig eller icke-standardiserad dokumentation Oförmåga att anonymisera kliniska journaler 30 dagar mellan preoperativ bedömning och kirurgi Studieprocedurer

1. Klinikerbaserad bedömning

   Från elektroniska medicinska journaler kommer följande data att extraheras:

   Demografi (ålder, kön) Komorbiditeter Läkemedelsanamnes Funktionskapacitet (om dokumenterad) Fysikaliska undersökningsfynd Laboratoriefynd (om beställda) ASA-klassificering tilldelad av anestesiolog Typ och antal beställda laboratorieprov Perioperativ erytrocytsuspensions (PRBC) transfusion Transfusionsincidens (ja/nej) Totalt antal PRBC-enheter per patient Laboratorieprovsräkningar kommer att inkludera alla rutinmässiga preoperativa prov (t.ex. CBC, koagulationsprofil, biokemiska paneler, etc.), registrerade som totalt antal per patient.

2. AI-baserad bedömning

Anonymiserade preoperativa kliniska sammanfattningar kommer att matas in i ChatGPT-5 med en standardiserad strukturerad prompt. AI kommer att ombedjas att:

Tilldela en ASA Physical Status-klassificering. Rekommendera preoperativa laboratorieprov.

För varje patient kommer följande AI-utdata att registreras:

ASA-klassificering genererad av ChatGPT-5 Lista över rekommenderade laboratorieprov Totalt antal rekommenderade laboratorieprov AI-rekommendationer kommer inte att implementeras kliniskt och kommer att användas uteslutande för jämförande analys.

Utfall Primärt utfall

Överensstämmelse mellan anestesiolog-tilldelade och ChatGPT-5-genererade ASA-klassificeringar, mätt med:

Cohens kappakoefficient Viktad kappa (ordinal ASA I-V skala) Sekundära utfall

Genomsnittligt antal laboratorieprov per patient:

Klinikerbeställda AI-rekommenderade Fördelning av laboratorieprovskategorier.

Perioperativ erytrocytsuspensionsanvändning:

Transfusionsfrekvens (% av patienter) Genomsnittliga PRBC-enheter per patient

Association mellan:

ASA-klassificering (kliniker vs AI) Laboratorieprovbeställningsvolym PRBC-transfusionsincidens och antal enheter Statistisk analysplan Cohens kappa och viktad kappa för ASA-överensstämmelse Parade jämförelser av laboratorieprovsantal med parade t-test eller Wilcoxons teckenrangtest Korrelationsanalys mellan laboratorieprovsvolym och PRBC-enheter Logistisk regressionsanalys för prediktorer av PRBC-transfusion Ordinal regressionsanalys för ASA-prediktorer

Undergruppsanalyser stratifierade efter:

Åldersgrupp Kirurgikategori Komorbiditetsbörda Statistisk signifikans kommer att definieras som p < 0,05. Stickprovsstorleksberättigande Baserat på tidigare ASA-överensstämmelsestudier som rapporterar kappavärden mellan 0,70-0,85, antogs en minsta kliniskt meningsfull kappa på 0,60.

Med α = 0,05 och 80% styrka, uppskattades den minsta erforderliga stickprovsstorleken till 150-180 patienter.

För att öka statistisk precision och möjliggöra robust undergruppsanalys, kommer cirka 1000 patienter att inkluderas under studieperioden.

Etiska överväganden Denna studie är icke-interventionell och observationsmässig. All klinisk data kommer att anonymiseras före AI-behandling. Inga patienthanteringsbeslut kommer att påverkas av AI-utdata. Studien kommer att genomföras i enlighet med Helsingforsdeklarationen och tillämpliga dataskyddsbestämmelser.

Förväntat vetenskapligt bidrag

Denna studie kommer att ge verklighetsbaserade bevis angående:

Tillförlitligheten hos ChatGPT-5 i att generera ASA-klassificeringar Skillnader i laboratoriebeställningsintensitet mellan kliniker och AI Associationen mellan ASA-klassificeringsmetoder och faktisk erytrocytsuspensionsanvändning Resultaten kan bidra till förståelse av huruvida AI-assisterad preoperativ bedömning kan stödja mer standardiserad, objektiv och resurssnål perioperativ utvärdering.