Instructorul ChatCPR oferă îndrumări aproape perfecte pentru resuscitare în studiu de concept
Un instructor de CPR alimentat de inteligența artificială a obținut o aderență aproape perfectă la guideline-uri în teste simulate și retrospective de apeluri 911, sugerând un instrument scalabil care ar putea sprijini persoanele din jur în timpul unui stop cardio-respirator, necesitând în continuare validare clinică în lumea reală.
Un studiu recent publicat în JAMA Internal Medicine a examinat eficiența modelelor AI disponibile și a agentului ChatCPR, conceput special pentru a oferi instrucțiuni de CPR conform ghidurilor.
În fiecare an, în SUA, se înregistrează aproximativ 350.000 de stopuri cardio-respiratorii în afara spitalelor (OHCAs), cu rate de supraviețuire de doar 9%. Deși CPR-ul efectuat de martori crește semnificativ șansele de supraviețuire, doar 41,7% dintre cazurile de OHCA primesc CPR de la martori, în principal din cauza pregătirii insuficiente și a lipsei de suport în intervenție. Deși 65% dintre adulți afirmă că au primit instruire CPR, doar 18% au fost instruiți în ultimii doi ani, iar 2% în ultimul an.
CPR-ul asistat de dispecer (T-CPR), introdus în anii ’80, crește șansele de supraviețuire la 30 de zile cu 60% comparativ cu absența CPR-ului efectuat de martori, dar este mai puțin eficient decât CPR-ul inițiat imediat de martori. Principalele obstacole în identificarea rapidă a stopului cardio-respirator și în livrarea protocoalelor specifice rămân. Dispecerii au nevoie în medie de 75 de secunde pentru a recunoaște OHCA, iar compresiile toracice încep în medie la 176 de secunde după inițierea apelului, în principal din cauza întârzierilor în recunoaștere și în emiterea instrucțiunilor.
Întârzierile în recunoașterea stopului cardio-respirator și variabilitatea performanței dispecerilor pot împiedica intervenția eficientă și la timp. În plus, sistemele actuale nu dispun de capacitatea de a se adapta rapid la ghidurile în evoluție sau de a oferi constant instrucțiuni adaptate și de înaltă calitate pentru populații diverse. Inteligența artificială, în special modelele mari de limbaj, oferă o oportunitate de a aborda aceste lacune prin furnizarea de îndrumări CPR standardizate, actualizabile în timp real. Prin utilizarea AI, poate fi posibil să se îmbunătățească atât viteza, cât și calitatea intervenției de către martori, sprijinind astfel rezultate mai bune în cazul stopului cardio-respirator în afara spitalului.
Studiul actual a evaluat șase modele de AI disponibile public pentru capacitatea lor de a oferi instrucțiuni CPR bazate pe ghiduri în scenarii simulate de OHCA. De asemenea, cercetătorii au dezvoltat și evaluat preliminar ChatCPR, un instructor de CPR AI, comparându-l cu dispecerii umani folosind apeluri 911 simulate și arhive.
Calitatea instrucțiunilor CPR a fost măsurată utilizând o listă de verificare de 27 de puncte, derivată din ghidurile profesionale, în special recomandările din 2024 ale American Heart Association și American Academy of Pediatrics. Logica condițională a fost aplicată pentru a evalua, de exemplu, dacă instructorii au utilizat corect defibrilatoarele externe automate (AED-uri). Validitatea a fost susținută prin revizuirea de către experți, respectarea celor mai bune practici și fiabilitatea interevaluatoare. Criteriile au fost grupate în 13 acțiuni esențiale minim viabile și întreaga listă de 27 de itemi maxim eficienți, reprezentând calitatea optimă.
Cele șase modele AI au fost testate în cinci scenarii de urgență, incluzând patru cu stop cardio-respirator confirmat și unul fără stop, pentru a evalua atât livrarea instrucțiunilor, cât și capacitatea de a reține CPR-ul atunci când nu este indicat. Liniile de dialog ale martorilor au fost trimise secvențial fiecărui model prin intermediul unei interfețe de programare a aplicațiilor (API), cu un prompt standard care direcționa îndrumarea CPR pas cu pas.
ChatCPR a fost construit folosind modelul open-source Llama 3.3 70B Instruct Turbo pentru transparență, reproducibilitate și scalabilitate. Sistemul a fost configurat cu materiale de formare T-CPR pentru dispecerii 911, revizuite și rafinate de autori medicali. Promptele au fost optimizate iterativ pentru claritate și secvențiere logică. Performanța a fost testată și rafinată de mai multe ori, apoi aderența la ghiduri a fost comparată cu cea a dispecerilor umani folosind 12 apeluri 911 publice, transcrise, în care s-au solicitat și oferit îndrumări CPR.
Rezultatele privind performanța CPR conform ghidurilor au arătat o fiabilitate interevaluatoare excepțional de mare în scenariile simulate și în cele reale de T-CPR. Dintre cele șase modele AI generative de top, aderența medie la criteriile CPR minim viabile a fost de 89,7%. Claude și Grok au obținut cele mai mari scoruri la 97,1%, urmate de GPT-4o cu 94,1%; Gemini a avut cel mai mic scor, de 79,4%. Aderarea la criteriile maxim eficiente a scăzut la 69,8%, Llama având cel mai scăzut scor, de 61,3%, în timp ce Claude, Grok și GPT-4o au condus cu 73,8%, 73,8% și 75,0%, respectiv.
În scenarii testate identic, agentul instrucțional axat pe CPR a realizat o aderență perfectă la ambele seturi de criterii. Comparativ cu modelul său de bază, Llama 3.3, acesta a arătat un câștig relativ de 1,2 ori pentru criteriile minim viabile și de 1,6 ori pentru criteriile maxim eficiente. Cele mai mari câștiguri au fost observate în instrucțiunile pentru AED, poziționarea CPR și tehnica CPR pediatrică. Agentul a depășit, de asemenea, cel mai bun model AI de bază cu 1,4 ori în termeni de criterii maxim eficiente, oferind constant instrucțiuni cuprinzătoare și conforme cu ghidurile. Aceste rezultate evidențiază că formarea și personalizarea țintită pot îmbunătăți semnificativ performanța AI pentru sarcini clinice specifice.
Compararea cu dispecerii și rezultatele apelurilor 911 au arătat că, în 12 apeluri 911 reale, agentul a obținut o medie de 100% pentru criteriile minim viabile și 98,9% pentru criteriile maxim eficiente, ratând doar un item legat de secvența recomandată de evaluare a pacientului. Această constatare susține performanța agentului pe transcrierile apelurilor 911 reținute, deși este necesară în continuare validarea prospectivă în lumea reală. Dispecerii umani au obținut 84,5% pentru criteriile minim viabile și 62,8% pentru cele maxim eficiente. Agentul instrucțional a depășit dispecerii cu 15,5 și 36,1 puncte procentuale, corespunzând unor îmbunătățiri relative de 20% și 60%, respectiv. Aceasta indică faptul că agentul instrucțional nu doar că depășește modelele AI generice, dar și că îmbunătățește performanța dispecerilor umani instruiți în ceea ce privește aderența la ghiduri bazate pe liste de verificare, în special pentru îndrumările avansate de CPR.
Avantajele agentului față de dispeceri au fost cele
