ROTEM 解读人工智能与专家对比 (ROTEMAI)

这项前瞻性多中心观察性研究旨在评估基于人工智能（AI）的解释与专家对旋转式血栓弹力图（ROTEM）结果的解释之间的一致性，重点关注危重患者的临床决策。

ROTEM是一种床旁粘弹性检测方法，可实时提供凝血信息，包括血凝块形成、强度和纤维蛋白溶解。 它被广泛用于指导创伤、大型手术和重症监护中的靶向止血治疗。 然而，ROTEM结果的解释复杂且需要临床专业知识。 临床医生之间的观察者间变异性可能导致不一致的治疗决策。 尽管基于算法的方法已被引入，但其实施仍存在差异。

人工智能（AI）有潜力通过整合多个ROTEM参数并生成一致的建议来标准化解释。 先前的研究表明，机器学习模型可以根据粘弹性数据预测临床结局或输血需求。 然而，关于基于AI的解释与专家解释之间一致性的证据，尤其是在真实世界临床决策中，仍然有限。

本研究的主要目标是确定基于AI的解释在ROTEM解释中是否达到与专家间变异性相当的一致性水平。 本研究不假设单一的黄金标准；相反，它评估方法之间的一致性，以反映真实世界的临床实践。

次要目标包括：

• 比较AI与专家临床医生的解释时间，
• 评估AI的一致性（方法内变异性）与专家间变异性的比较，
• 评估对临床决策的潜在影响，包括凝血异常的识别和提出的治疗策略。

ROTEM测量结果将以标准化格式收集和呈现，包括图形和数字输出。 每个数据集将由多位专家麻醉师独立评估。 相同的数据集将由基于AI的大型语言模型使用预定义的标准化提示反复解释，并进行多次独立运行以评估模型内变异性。

对于每个ROTEM数据集，专家和AI都将评估：

• 是否存在凝血障碍，
• 主要的潜在异常，
• 适当的治疗干预，
• 以及推荐的治疗剂量。

专家与AI之间的一致性以及专家间的一致性将使用适当的统计方法（例如，kappa统计量和组内相关系数）对分类变量和连续变量进行分析。 解释所需的时间也将被记录和比较。

本研究并非旨在确定解释的绝对正确性，而是量化人类专家与AI之间的一致性和变异性。 通过识别临床相关的差异，本研究旨在评估AI辅助解释是否可以作为可靠的决策支持工具，并减少ROTEM引导的止血管理中的变异性。