Large Language Model–Assisted Estimation of Left Double-Lumen Tube Insertion Depth Using Preoperative Chest Radiography

Resumen Técnico: Estimación de la Profundidad de Inserción de Tubos Doble Luz mediante el Asistente de Modelos de Lenguaje de Gran Escala

Planteamiento del Problema
El posicionamiento preciso de los tubos endobronquiales de doble luz (DLT) del lado izquierdo es crítico para el éxito de la ventilación de un solo pulmón (OLV) en la cirugía torácica, con el fin de prevenir complicaciones como la hipoxemia, el aislamiento pulmonar inadecuado y el trauma de la vía aérea. Aunque la broncoscopia de fibra óptica (FOB) es el estándar de oro para confirmar la colocación, esta requiere equipos y experiencia específicos que pueden no estar disponibles de inmediato en todos los entornos clínicos. En consecuencia, los anestesiólogos dependen de la estimación de las profundidades de inserción previas a la confirmación por broncoscopia. Los métodos de estimación existentes, basados principalmente en la estatura del paciente, demuestran correlaciones estadísticas pero a menudo carecen de precisión para pacientes individuales, particularmente en aquellos con una constitución corporal atípica. Si bien las estrategias basadas en imágenes, como las mediciones guiadas por TC, han mostrado una mayor precisión, no siempre son prácticas para el soporte de decisiones en tiempo real debido a la complejidad y accesibilidad de los datos. Existe la necesidad de un método clínicamente factible y preciso para guiar el posicionamiento inicial del DLT utilizando datos disponibles de forma rutinaria.

Metodología
Este estudio de validación observacional, retrospectivo y de un solo centro, evaluó la precisión de un modelo de lenguaje de gran escala (LLM) preentrenado para predecir las profundidades óptimas de inserción de DLT del lado izquierdo. El estudio incluyó a 154 pacientes adultos sometidos a cirugía torácica en un hospital académico terciario.

• Estándar de Referencia: La verdad de campo para todos los análisis fue la profundidad de inserción intraoperatoria (medida desde el margen del labio en centímetros) confirmada mediante broncoscopia de fibra óptica flexible (FOB).
• Enfoque del LLM: Las predicciones se generaron utilizando un LLM multimodal disponible públicamente (ChatGPT, OpenAI) sin ajuste fino (fine-tuning) ni reentrenamiento. Se probaron dos estrategias de entrada distintas:
  1. Solo Demográficos: Prompts estandarizados que contenían edad, sexo, estatura, peso y tamaño del DLT.
  2. Asistido por Radiografía: Los mismos datos demográficos combinados con información anatómica descriptiva derivada de radiografías de tórax posteroanteriores (PA) preoperatorias.
• Protocolo: Para garantizar la consistencia, se utilizó una estructura de prompt estandarizada para todos los casos. Las predicciones se generaron secuencialmente en una sola sesión utilizando la configuración de sistema por defecto, sin proporcionar retroalimentación al modelo respecto a los resultados reales. Se registró la primera salida para cada caso.
• Análisis Estadístico: La concordancia entre las predicciones del LLM y las mediciones confirmadas por el médico se evaluó mediante el análisis de Bland–Altman (calculando el sesgo medio, la desviación estándar y los límites de acuerdo del 95%). Las diferencias entre los tres grupos (Médico, LLM sin PA, y LLM con PA) se analizaron mediante la prueba de Friedman, seguida de comparaciones por pares de Dunn con valores de p ajustados.

Resultos Clave

• Tendencia Central: La mediana de la profundidad de inserción fue de 29.00 cm en los tres grupos (Médico, LLM sin PA y LLM con PA).
• Acuerdo Estadístico:
  • La prueba de Friedman reveló una diferencia estadísticamente significativa entre los tres métodos ($\chi^2(2) = 12.14, p = 0.0023$).
  • El análisis post-hoc mostró una diferencia significativa entre las mediciones del médico y las predicciones del LLM utilizando únicamente datos demográficos (ajustado $p = 0.0039$).
  • Crucialmente, no se observó una diferencia estadísticamente significativa entre las mediciones del médico y las predicciones del LLM cuando se incorporaron las radiografías de tórax PA (ajustado $p = 0.7634$).
• Sesgo y Límites de Acuerdo (LoA):
  • Solo Demográficos: Sesgo medio de 0.20 cm con LoA del 95% de aproximadamente $\pm 2.8$ cm.
  • Asistido por Radiografía: Sesgo medio de 0.15 cm con LoA del 95% de aproximadamente $\pm 2.8$ cm.
  • Ambos enfoques demostraron un sesgo sistemático mínimo.
• Precisión: Más del 90% de las predicciones en ambos grupos de LLM se situaron dentro de $\pm 2$ cm de la profundidad confirmada por el médico. El error absoluto medio fue de aproximadamente 1 cm para ambos enfoques.

Significancia y Reivindicaciones
El artículo sostiene que la predicción de la profundidad de inserción del DLT basada en LLM demuestra una concordancia razonable con las mediciones confirmadas por el médico, caracterizada por un sesgo sistemático mínimo y un error absoluto bajo. El estudio destaca que, si bien las predicciones basadas solo en datos demográficos mostraron una desviación medible respecto a los estándares clínicos, la incorporación de las radiografías de tórax PA preoperatorias eliminó esa diferencia estadística, sugiriendo una mejor concordancia con el posicionamiento determinado por el clínico.

Los autores posicionan esta tecnología no como un reemplazo de la broncoscopia de fibra óptica, que sigue siendo indispensable, sino como un complemento de apoyo. Esto es particularmente relevante en entornos clínicos donde los recursos de broncoscopia son limitados o tardíos. El uso de radiografías PA se enfatiza por su viabilidad clínica en comparación con las estrategias basadas en TC, ya que las placas PA son universalmente disponibles y estandarizadas en los flujos de trabajo de la cirugía torácica.

Limitaciones y Alcance
Los autores señalan explícitamente varias limitaciones:

• El estudio es retrospectivo y de un solo centro, lo que requiere validación externa en cohortes independientes antes de una implementación más amplia.
• Los hallazgos son específicos para DLT del lado izquierdo y pueden no generalizarse a dispositivos del lado derecho.
• La naturaleza secuencial de la interacción con el modelo y el potencial de influencia contextual entre casos, junto con la naturaleza evolutiva del comportamiento de inferencia de los LLM, pueden afectar la reproducibilidad en diferentes entornos.
• El estudio no involucró guía clínica en tiempo real; las predicciones se generaron retrospectivamente y no influyeron en las decisiones reales de colocación del tubo.

En conclusión, el artículo sugiere que la estimación asistida por LLM, particularmente cuando se aumenta con datos radiográficos de rutina, ofrece una herramienta prometedora y de bajo costo para apoyar el manejo de la vía aérea, a la espera de una validación prospectiva bajo condiciones de inferencia controladas.