Concordancia de Inteligencia Artificial (ChatGPT, Bing) como predictor de apendicitis versus las escalas de Alvarado y AIR en pacientes adultos del Hospital Militar Central de Bogotá, Colombia

Autores/as

DOI:

https://doi.org/10.30944/20117582.3047

Palabras clave:

apendicitis, dolor abdominal, inteligencia artificial, diagnóstico por computador, sensibilidad y especificidad, técnicas de apoyo para la decisión

Resumen

Introducción. La apendicitis aguda es una patología quirúrgica que representa un desafío en el diagnóstico ya que sus síntomas pueden superponerse con varias afecciones abdominales no quirúrgicas. Las escalas de predicción clínica, como la escala de Alvarado y el AIR score, han sido herramientas utilizadas para evaluar la probabilidad de apendicitis en pacientes con dolor abdominal agudo.

Métodos. Se realizó un estudio analítico para determinar la concordancia entre la inteligencia artificial (ChatGPT 4.0 y Bing) y las escalas de predicción diagnóstica ya validadas en sospecha de apendicitis aguda. Se incluyeron los pacientes con dolor abdominal agudo con sospecha de apendicitis, desde octubre de 2023 hasta marzo de 2024.

Resultados. De los pacientes estudiados, mediante ChatGPT se corrieron las variables, y 129 (75 %) presentaron diagnóstico definitivo de apendicitis, que fue confirmado por patología. Mostraron significancia estadística las variables de dolor abdominal (75 %), migración del dolor (52,3 %), dolor a la palpación abdominal (72 %), signo de rebote positivo (43,5 %), leucocitosis, neutrofilia y PCR elevada. Respecto a la concordancia con el diagnóstico generado por la inteligencia artificial, el índice Kappa fue 0,005, lo cual representa una pobre concordancia. El desarrollador Bing no logró realizar el análisis de los datos recolectados.

Conclusiones. En este estudio la Inteligencia Artificial demuestra muy pobre concordancia con las variables clínicas para diagnóstico de apendicitis aguda. Es probable que esta predicción mejore con el apoyo imagenológico, como lo demuestran otros estudios.

Descargas

Los datos de descargas todavía no están disponibles.

Referencias bibliográficas

Mán E, Zilágyi A, Simonka Z, Rárosi F, Pető Z, Lázár G. Validation of the modified Alvarado score on patients attending A&E units with suspected appendicitis. BMC Emerg Med. 2023;23:87. https://doi.org/10.1186/s12873-023-00846-2

Toney J, Rajesh PJ. Appendicitis inflammatory response score in comparison to Alvarado score in acute appendicitis. Surg J (NY). 2021;7:e127-e131. https://doi.org/10.1055/s-0041-1731446

Alvarado A. A practical score for the early diagnosis of acute appendicitis. Ann Emerg Med. 1986;15:557-64. https://doi.org/10.1016/S0196-0644(86)80993-3

Gupta S, Kolli VS, Da Costa K, Javed S, Ammar A, Rasheed A. A systematic review and meta-regression for validation of the Alvarado score as a tool for predicting acute appendicitis. Ann Med Surg (Lond). 2023;85:111-21. https://doi.org/10.1097/MS9.0000000000000238

Andersson M, Andersson RE. The appendicitis inflammatory response score: A tool for the diagnosis of acute appendicitis that outperforms the Alvarado score. World J Surg. 2008;32:1843-9. https://doi.org/10.1007/s00268-008-9649-y

Ohle R, O’Reilly F, O’Brien KK, Fahey T, Dimitrov BD. The Alvarado score for predicting acute appendicitis: A systematic review. BMC Med. 2011;9:139. https://doi.org/10.1186/1741-7015-9-139

Bindra S, Jain R. Artificial intelligence in medical science: A review. Ir J Med Sci. 2024;193:1419-29. https://doi.org/10.1007/s11845-023-03570-9

Lam A, Squires E, Tan S, Swen NJ, Barilla A, Kovoor J, et al. Artificial intelligence for predicting acute appendicitis: A systematic review. ANZ J Surg. 2023;93:2070-8. https://doi.org/10.1111/ans.18610

Park JJ, Kim KA, Nam Y, Choi MH, Choi SY, Rhie J. Convolutional-neural-network-based diagnosis of appendicitis via CT scans in patients with acute abdominal pain presenting in the emergency department. Sci Rep. 2020;10:9556. https://doi.org/10.1038/s41598-020-66674-7

OpenAI. ChatGPT. Large language model. 2023. Disponible en: https://chat.openai.com/chat

Bejarano M, Gallego CX, Gómez JR. Frecuencia de abdomen agudo quirúrgico en pacientes que consultan al servicio de urgencias. Rev Colomb Cir. 2011;26:33-41.

Di Saverio S, Podda M, De Simone B, Ceresoli M, Augustin G, Gori A, et al. Diagnosis and treatment of acute appendicitis: 2020 update of the WSES Jerusalem guidelines. World J Emerg Surg. 2020;15:27. https://doi.org/10.1186/s13017-020-00306-3

Di Saverio S, Birindelli A, Kelly MD, Catena F, Weber DG, Sartelli M, et al. WSES Jerusalem guidelines for diagnosis and treatment of acute appendicitis. World J Emerg Surg. 2016;11:34. https://doi.org/10.1186/s13017-016-0090-5

Lamm R, Kumar SS, Collings AT, Haskins IN, Abou-Setta A, Narula N, et al. Diagnosis and treatment of appendicitis: Systematic review and meta-analysis. Surg Endosc. 2023;37:8933-90. https://doi.org/10.1007/s00464-023-10456-5

Andersson REB. Meta-analysis of the clinical and laboratory diagnosis of appendicitis. Br J Surg. 2004;91:28- 37. https://doi.org/10.1002/bjs.4464

Issaiy M, Zarei D, Saghazadeh A. Artificial intelligence and acute appendicitis: A systematic review of diagnostic and prognostic models. World J Emerg Surg. 2023;18:59. https://doi.org/10.1186/s13017

Descargas

Publicado

2025-10-14

Cómo citar

(1)
Bayona-Daza, Álvaro J.; Mendizábal-Varona, E. T.; Marín, J. A. Concordancia De Inteligencia Artificial (ChatGPT, Bing) Como Predictor De Apendicitis Versus Las Escalas De Alvarado Y AIR En Pacientes Adultos Del Hospital Militar Central De Bogotá, Colombia. Rev Colomb Cir 2025, 40, 1080-1087.

Número

Sección

Artículo Original

Métricas

Escanea para compartir
QR Code
Crossref Cited-by logo
Estadísticas de artículo
Vistas de resúmenes809
Vistas de PDF510
Descargas de PDF510
Vistas de HTML0
Otras vistas0

Algunos artículos similares: