ChatGPT-5与麻醉医师在术前风险评估中的一致性：ASA分级 (ASA)

背景与理论基础 术前风险评估是围术期医学的基石，直接影响麻醉方案制定、实验室检查利用以及围术期资源准备。美国麻醉医师协会身体状况（ASA-PS）分级仍是全球应用最广泛的风险分层工具。然而，ASA评分本质上是主观的，依赖于临床医生的解读，并可能表现出观察者间差异。

人工智能（AI）的进步，特别是大语言模型（LLMs），已展现出整合结构化和非结构化临床信息的能力，并在特定领域生成可与临床医生推理相媲美的医学分类。在围术期评估中，AI系统可能为合并症、功能状态和实验室参数提供更标准化、可重复的解读。

除风险分级外，术前实验室检查开具也是临床工作流程的关键组成部分。过多或不足的实验室检测可能影响医疗效率和围术期规划。基于AI的建议在数量上是否与麻醉医师的开具行为存在差异，目前尚不明确。

此外，围术期红细胞悬液（浓缩红细胞，PRBC）输注是手术生理负担和围术期风险的客观标志。评估临床医生分配的ASA分级或AI生成的ASA分级中，何者与实际PRBC使用情况相关性更佳，可能为AI辅助风险分层的临床有效性提供见解。

本研究旨在评估麻醉医师与ChatGPT-5在ASA分级上的一致性，并比较实验室检查开具模式及其与围术期红细胞悬液使用的关联。

研究目标 主要目标 评估专科麻醉医师分配的ASA分级与ChatGPT-5使用匿名化术前临床文档生成的ASA分级之间的一致性。

次要目标

比较每位患者由以下方开具的术前实验室检查的数量和类型：

委员会认证的麻醉医师 在标准化提示条件下的ChatGPT-5 量化实验室检查开具强度（每位患者平均检查数量），并评估临床医生与AI生成建议之间的差异。

评估围术期红细胞悬液（浓缩红细胞，PRBC）使用情况：

输血发生率 每位患者输注的PRBC单位数

评估以下关系：

临床医生分配的ASA分级 AI生成的ASA分级 实验室检查开具量 实际围术期PRBC输注 研究设计 这是一项在安塔利亚市医院术前麻醉门诊进行的单中心、前瞻性-回顾性混合观察性研究。

计划研究时长为6个月（2026年1月1日 - 2026年7月1日）。目标入组约1000名成人择期手术患者，为一致性分析和亚组比较提供足够的统计效能。

本研究本质上是观察性的。不会对常规临床护理进行任何修改。AI输出不会影响患者管理决策。

研究人群 纳入标准 年龄 ≥ 18岁 计划进行择期手术 完成标准化术前麻醉评估表 由专科麻醉医师分配ASA分级 书面知情同意 临床文档适合匿名化 排除标准 急诊手术 ASA VI分级 妊娠 儿科患者（<18岁） 不完整或非标准化文档 临床记录无法匿名化 术前评估与手术间隔超过30天 研究程序

1. 基于临床医生的评估

   将从电子病历中提取以下数据：

   人口统计学信息（年龄、性别） 合并症 用药史 功能容量（如有记录） 体格检查结果 实验室检查结果（如已开具） 麻醉医师分配的ASA分级 开具的实验室检查类型和数量 围术期红细胞悬液（PRBC）输注 输血发生率（是/否） 每位患者PRBC总单位数 实验室检查计数将包括所有常规术前检查（例如，全血细胞计数、凝血功能、生化组合等），记录为每位患者的总数。

2. 基于AI的评估

使用标准化结构化提示，将匿名化的术前临床摘要输入ChatGPT-5。将要求AI：

分配ASA身体状况分级。 推荐术前实验室检查。

对于每位患者，将记录以下AI输出：

ChatGPT-5生成的ASA分级 推荐的实验室检查列表 推荐的实验室检查总数 AI建议将不会在临床上实施，仅用于比较分析。

结局指标 主要结局指标

麻醉医师分配与ChatGPT-5生成的ASA分级之间的一致性，使用以下方法测量：

Cohen's kappa系数 加权kappa（序数ASA I-V量表） 次要结局指标

每位患者平均实验室检查数量：

临床医生开具的 AI推荐的 实验室检查类别的分布。

围术期红细胞悬液使用情况：

输血率（患者百分比） 每位患者平均PRBC单位数

以下因素之间的关联：

ASA分级（临床医生 vs AI） 实验室检查开具量 PRBC输血发生率和单位数 统计分析计划 Cohen's kappa和加权kappa用于ASA一致性分析 使用配对t检验或Wilcoxon符号秩检验对实验室检查计数进行配对比较 实验室检查量与PRBC单位数之间的相关性分析 用于PRBC输血预测因素的逻辑回归分析 用于ASA预测因素的序数回归分析

按以下因素分层的亚组分析：

年龄组 手术类别 合并症负担 统计学显著性定义为 p < 0.05。 样本量估算依据 基于先前报告kappa值在0.70-0.85之间的ASA一致性研究，假设最小临床有意义的kappa值为0.60。

在α = 0.05和80%检验效能下，估计所需最小样本量为150-180名患者。

为提高统计精度并实现稳健的亚组分析，在研究期间将入组约1000名患者。

伦理考量 本研究为非干预性观察研究。所有临床数据在AI处理前将进行匿名化。AI输出不会影响任何患者管理决策。研究将根据《赫尔辛基宣言》和适用的数据保护法规进行。

预期科学贡献

本研究将提供关于以下方面的真实世界证据：

ChatGPT-5生成ASA分级的可靠性 临床医生与AI在实验室检查开具强度上的差异 ASA分级方法与实际红细胞悬液使用情况之间的关联 研究结果可能有助于理解AI辅助术前评估是否能支持更标准化、客观且资源节约的围术期评估。