Development and Validation of a Localized Large Language Model for Preoperative Anesthesia Planning: Protocol for a Retrospective Observational Study and Clinical Turing Test
Este artigo descreve um protocolo para o desenvolvimento e validação de um Modelo de Linguagem de Grande Escala localizado, ajustado com base em 3.000 registros históricos de anestesia do Hospital Istishari, para gerar planos de anestesia pré-operatórios que são avaliados em relação aos padrões de especialistas humanos para segurança e precisão em um "Teste de Turing Clínico" retrospectivo.
Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo
Antes de um paciente entrar em uma sala de cirurgia, um anestesiologista deve realizar uma tarefa mental complexa: ele pega o histórico médico de uma pessoa, seus sinais vitais atuais e as demandas específicas da cirurgia que está por vir, e tece esses fatos em um plano único e seguro para manter o paciente dormindo e sem dor. Esse processo exige raciocínio rápido e conhecimento profundo, mas também é propenso ao erro humano, especialmente quando os médicos estão cansados ou quando diferentes médicos interpretam a mesma informação de maneiras ligeiramente distintas. Nos últimos anos, os computadores começaram a ajudar em tarefas médicas, principalmente prevendo coisas como quedas na pressão arterial ou gerenciando bombas de medicamentos automaticamente. No entanto, um novo tipo de programa de computador, conhecido como modelo de linguagem de grande escala, surgiu com uma habilidade diferente. Esses programas podem ler vastas quantidades de texto e escrever novos textos que soam como os de um especialista humano. Embora essas ferramentas já sejam usadas para estudo e testes, ninguém ainda provou que elas possam escrever com segurança um plano médico real e personalizado para um hospital específico, usando as próprias regras e hábitos desse hospital, sem cometer erros perigosos.
Um pesquisador no Hospital Istishari em Amã, Jordânia, partiu para testar essa ideia. Ele queria ver se poderia ensinar um computador a agir como um anestesiologista sênior, alimentando-o com milhares de casos reais do passado de seu próprio hospital. Seu objetivo era criar um "fellow digital", um programa de computador especializado que pudesse elaborar um plano de anestesia completo tal como um humano faria. Para fazer isso, eles reuniram 3.000 registros históricos de pacientes que haviam passado por cirurgias. Esses registros não eram arquivos digitais, mas documentos de papel físicos contendo notas sobre a altura, o peso, o histórico cardíaco, as condições pulmonares do paciente e os medicamentos e ferramentas de via aérea exatos que a equipe humana utilizou durante a operação. Uma equipe de médicos juniores e estagiários leu manualmente cada um dos registros de papel, copiando as informações para um banco de dados digital seguro. Eles foram cuidadosos ao remover todos os nomes e detalhes identificadores, deixando apenas os fatos médicos e os planos de tratamento resultantes.
Uma vez que essa coleção massiva de dados estivesse pronta, o pesquisador a utilizou para treinar um poderoso modelo de computador. Eles instruíram o modelo a aprender os padrões de como o seu hospital específico lida com a anestesia. O computador recebeu a instrução de agir como um consultor sênior naquele hospital e de escrever um novo plano para qualquer paciente com base nos dados que aprendeu. O plano tinha que cobrir quatro áreas principais: como preparar o paciente antes da cirurgia, como fazê-lo dormir e gerenciar sua respiração, como mantê-lo estável durante o procedimento e como acordá-lo e gerenciar sua dor depois. O pesquisador não deixou o computador apenas adivinhar; ele construiu o sistema baseado nas decisões reais e bem-sucedidas tomadas por médicos humanos em sua própria instituição, esperando que isso impedisse o computador de inventar fatos ou sugerir tratamentos que não existem em seu hospital.
Para ver se o trabalho do computador era bom, o pesquisador organizou um teste cego, semelhante a um desafio onde uma pessoa tenta adivinhar qual de dois escritores é humano e qual é máquina. Eles pegaram um conjunto de casos de pacientes e os mostraram a um grupo de anestesiologistas seniores. Para cada caso, os especialistas receberam dois planos diferentes: um era o plano original escrito por um médico humano anos atrás, e o outro era o novo plano escrito pelo computador. Os especialistas não sabiam qual era qual. Eles foram solicitados a julgar os planos com base na segurança, verificando a existência de quaisquer erros perigosos, e na completude, garantindo que todas as etapas necessárias fossem incluídas. Finalmente, eles tinham que adivinhar qual plano foi escrito pelo computador.
O estudo é atualmente um protocolo, o que significa que é o plano detalhado de como a pesquisa será realizada, em vez de um relatório de resultados finais. O pesquisador propõe que, se o seu modelo de computador for treinado nestes 3.000 casos locais reais, ele produzirá planos que são tão seguros e precisos quanto os escritos por especialistas humanos. Eles acreditam que esta abordagem reduzirá o risco de o computador inventar informações, um problema conhecido como "alucinação", porque o computador está fundamentado na realidade das práticas do seu próprio hospital. Se o teste mostrar que os especialistas não conseguem distinguir entre os planos humanos e os do computador, isso sugere que esta tecnologia poderá um dia ajudar os médicos ao lidar com o pesado trabalho mental de escrever planos de rotina, permitindo que eles se foam mais no paciente e menos na papelada. O projeto também visa transformar a tarefa difícil de ler milhares de antigos registros de papel em uma experiência de aprendizado para os médicos juniores que realizam a entrada de dados, forçando-os a estudar as decisões de seus mentores enquanto constroem o banco de dados.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.