Estimación de las puntuaciones IPSS y OABSS mediante ChatGPT-4o: un estudio de validación comparativo en Corea

Área de la Ciencia:

• Inteligencia Artificial en Salud
• Urología
• Informática Clínica

Sus antecedentes:

• Las medidas de resultados informadas por los pacientes (PROMs) como la Puntuación Internacional de Síntomas de Próstata (IPSS) y la Puntuación de Síntomas de Vejiga Hiperactiva (OABSS) son cruciales para el diagnóstico y manejo de los síntomas del tracto urinario inferior (LUTS) y la vejiga hiperactiva (OAB).
• La puntuación precisa de los síntomas depende del recuerdo del paciente y de la cumplimentación del cuestionario, lo que puede estar sujeto a errores u omisiones.
• Los modelos de lenguaje grandes (LLM) como ChatGPT-4o ofrecen una nueva vía potencial para la extracción y el análisis de datos de notas clínicas.

Objetivo del estudio:

• Evaluar el rendimiento de ChatGPT-4o en la estimación de IPSS y OABSS utilizando descripciones en lenguaje natural y registros completos de pacientes ambulatorios.
• Comparar las puntuaciones generadas por IA con las puntuaciones reales de los cuestionarios informadas por los pacientes.

Principales métodos:

• Un estudio que involucró a 91 pacientes, de los cuales 52 completaron IPSS y 77 completaron OABSS.
• ChatGPT-4o procesó las declaraciones de síntomas de los pacientes palabra por palabra y los registros médicos escritos por urólogos.
• Los análisis estadísticos incluyeron pruebas t pareadas, kappa de Cohen, correlación de Spearman, gráficos de Bland-Altman, prueba de McNemar y análisis de la curva ROC para la comparación de puntuaciones y la clasificación diagnóstica.

Principales resultados:

• ChatGPT-4o subestimó la IPSS media (11,2 frente a 13,6, p=0,006) pero no mostró diferencias significativas para la OABSS (6,99 frente a 6,86, p=0,686).
• Se observó una alta concordancia diagnóstica para LUTS (AUC 0,81) y OAB (AUC 0,91), con buena concordancia en la calidad de vida y la incontinencia de urgencia.
• Los coeficientes de correlación de Spearman fueron de 0,60 para IPSS y 0,70 para OABSS, lo que indica correlaciones de moderadas a fuertes.

Conclusiones:

• ChatGPT-4o logró una precisión moderada y clínicamente aceptable en la estimación de IPSS y OABSS.
• El rendimiento de la clasificación diagnóstica de la IA fue comparable a las puntuaciones reales, especialmente para OABSS y la calidad de vida.
• ChatGPT-4o muestra ser una herramienta complementaria a los cuestionarios tradicionales, especialmente cuando los datos del paciente están incompletos.