Safety and accuracy of AI in triaging patients in the emergency department
Notice bibliographique
Résumé
BACKGROUND: Artificial Intelligence (AI) has been increasingly explored in healthcare, particularly in emergency department (ED) triage. This study aimed to evaluate the effectiveness of the AI chatbot ChatGPT in triaging patients, focusing on its accuracy, safety, efficiency, and impact on patient care. METHODS: A prospective observational study was conducted at the ED of King Saud Medical City (KSMC) in Riyadh, Saudi Arabia, with a sample size of 138 patients. Patients requiring immediate resuscitation were excluded. ED physicians assigned triage scores using the Canadian Triage and Acuity Scale (CTAS), followed by AI-generated scores for the same patients. In cases of discrepancy, the final decision by the senior ED consultant was considered the gold standard. The study assessed inter-rater reliability between AI and human raters and evaluated the accuracy of each compared to the consultant's assessment. RESULTS: The results indicated a high agreement rate (85.61%) between ChatGPT and ED physicians, with substantial inter-rater reliability (κ = 0.780, 95% Confidence Interval [CI] 0.676-0.884, p < 0.001). Agreement between ED physicians and consultants was at 63.9%, with moderate reliability (κ = 0.406, 95% CI 0.006-0.806, p = 0.018). Consultants assigned lower acuity levels than physicians in most cases. ChatGPT's accuracy compared to the consultant was 42.86%, with slight reliability, showing a tendency to overestimate acuity, particularly in critical cases. However, it performed better in mid-range acuity levels. CONCLUSION: The findings suggested that AI could support ED triage by aligning closely with human decision-making. However, its overestimation of severity could lead to over-triaging and increased resource use. Limitations included a small sample size and the use of a general AI model not specifically trained for medical triage. Future research should focus on AI models tailored for ED triage to improve reliability and clinical applicability.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».