Clasificación del estado físico de la American Society of Anesthesiologists: estudio de validación retrospectiva de un conjunto híbrido de aprendizaje automático y modelos de lenguaje grande

Qué problema aborda

El sistema de clasificación ASA-PS es fundamental en la atención perioperatoria, pero presenta problemas de fiabilidad interevaluador, con valores que oscilan entre 0.4 y 0.6. Esto puede llevar a inconsistencias en la evaluación del riesgo de los pacientes antes de procedimientos quirúrgicos.

Qué hicieron los autores

Los investigadores desarrollaron y evaluaron un conjunto híbrido de aprendizaje automático (ML) y modelos de lenguaje grande (LLM) para la clasificación automatizada del ASA-PS. Analizaron retrospectivamente 3000 encuentros quirúrgicos de adultos entre agosto de 2024 y mayo de 2025 en la Universidad de Arkansas para Ciencias Médicas. Se utilizaron varios modelos, incluyendo XGBoost, LightGBM y un modelo LLM basado en GPT-4o, y se aplicaron métricas de rendimiento como el macro-F1-score y la precisión de ±1 clase.

Qué encontraron

El conjunto híbrido logró una precisión de ±1 clase del 0.980 (95% CI 0.968-0.992), acercándose al rendimiento teórico establecido por un panel de expertos. Además, se observó un macro-F1-score de 0.530 en el conjunto de prueba, superando el modelo LLM solo, que obtuvo un macro-F1-score de 0.493. El componente LLM proporcionó explicaciones interpretativas sobre comorbilidades y estado funcional, lo que puede aumentar la seguridad operativa al minimizar errores extremos en las clasificaciones.

Limitaciones

El texto disponible no detalla las limitaciones del estudio.

Lectura final

Este enfoque híbrido representa un avance significativo en la evaluación del riesgo perioperatorio, demostrando cómo la combinación de diferentes arquitecturas de inteligencia artificial puede optimizar la clasificación de pacientes. Dada la escasez actual de personal en el sector salud, estas innovaciones son especialmente relevantes para mejorar la seguridad y la calidad de la atención médica.