Alumno/a
Márquez Vallari, León Sebastián
Centro formador
Hospital Provincial del Centenario
Año
2026

Abrir el PDF (se abre en una pestaña nueva)

Resumen

Introducción: Anticipar una laringoscopía dificultosa continúa siendo un desafío relevante en anestesiología debido a la limitada sensibilidad de las pruebas clínicas tradicionales y a las posibles complicaciones derivadas de una dificultad no anticipada. El desarrollo de modelos de inteligencia artificial con capacidad para analizar imágenes permite explorar nuevas herramientas complementarias para la evaluación de la vía aérea.

Objetivo: Evaluar de manera exploratoria el desempeño de ChatGPT con capacidad multimodal para identificar dificultad laringoscópica a partir de fotografías faciales preoperatorias estandarizadas.

Materiales y métodos: Se realizó un estudio prospectivo, observacional y exploratorio en 100 pacientes adultos sometidos a cirugía electiva bajo anestesia general en el Hospital Provincial del Centenario. A cada participante se le efectuó una evaluación clínica preoperatoria de la vía aérea y se le tomaron fotografías faciales estandarizadas de frente, perfil y con la boca abierta. Las imágenes fueron analizadas mediante ChatGPT, que emitió una clasificación binaria de vía aérea fácil o difícil y un nivel cualitativo de confianza. Como criterio de referencia se utilizó la dificultad observada durante la laringoscopia, definida por una clasificación de Cormack-Lehane III o IV. De manera complementaria, se desarrolló una red neuronal convolucional mediante Teachable Machine como experiencia preliminar de factibilidad.

Resultados: La edad media fue de 44 años, el 69% de los participantes fue de sexo femenino y el índice de masa corporal medio fue de 26,1 kg/m². Se registraron 8 casos de dificultad laringoscópica. ChatGPT identificó 6 de los 8 casos, con una sensibilidad del 75%, una especificidad del 52,2%, un valor predictivo positivo del 12%, un valor predictivo negativo del 96% y una exactitud global del 54%. La herramienta clasificó como difíciles a 50 pacientes, por lo que mostró una tendencia a sobreestimar la dificultad. Las respuestas con confianza alta presentaron una mayor proporción de clasificaciones correctas que aquellas con confianza media. La red neuronal convolucional mostró elevada especificidad aparente, aunque sus resultados correspondieron al conjunto utilizado para su entrenamiento y no constituyeron una validación independiente.

Conclusión: El análisis multimodal mediante ChatGPT fue factible para la evaluación preoperatoria de imágenes faciales y mostró un perfil caracterizado por mayor sensibilidad que especificidad. Estos resultados son exploratorios y respaldan la realización de estudios posteriores con muestras más amplias, criterios estandarizados y validación independiente.

Otros trabajos dirigidos por Llorens, Antonio

← Ver todos los trabajos finales