Evaluación del desempeño de inteligencia artificial (Chat GPT-5.2) en la clasificación de fracturas del maléolo posterior y elección del abordaje quirúrgico: estudio multicéntrico internacional comparativo con expertos

Resumen

 Resumen 

Introducción: La planificación quirúrgica de las fracturas del maléolo posterior es un desafío debido a su complejidad. La clasificación de Bartoníček Rammelt ha mejorado la correlación entre patrón fracturario y estrategia quirúrgica, aunque persiste variabilidad interobservador. En este contexto, la inteligencia artificial (IA) ha emergido como una herramienta en el análisis de imágenes médicas. El objetivo de este estudio fue evaluar la concordancia de ChatGPT-5.2 en la clasificación de fracturas del maléolo posterior y en la toma de decisiones quirúrgicas, comparada con expertos y un estándar de referencia. 

Material y métodos: Estudio observacional multicéntrico internacional de concordancia diagnóstica. Se incluyeron 9 casos de fracturas de tobillo con compromiso del maléolo posterior, con radiografías y tomografía computada. Participaron 12 traumatólogos de Latinoamérica, estratificados según experiencia. El ChatGPT-5.2 actuó como evaluador independiente utilizando un protocolo estandarizado. Se analizaron clasificación, indicación de fijación y abordaje quirúrgico. Se calcularon coeficientes kappa, acuerdo global y prueba de McNemar. 

Resultados: El ChatGPT-5.2 presentó baja concordancia con el estándar de referencia (κ = 0.059). El panel de expertos mostró concordancia sustancial en la clasificación (κ = 0.640), perfecta en la indicación de fijación (κ = 1.000) y moderada en el abordaje (κ = 0.438). El acuerdo global fue mayor en expertos (100% fijación, 77.78% clasificación y abordaje) comparado con el ChatGPT-5.2, que mostró menor concordancia, especialmente en clasificación (33.33%). No se observaron diferencias significativas en la indicación de fijación entre grupos (p > 0.05). 

Discusión/Conclusiones: El ChatGPT-5.2 mostró limitaciones en la clasificación y en la elección del abordaje quirúrgico, aunque se mostró concordancia en la indicación de fijación. El juicio del experto continúa siendo el estándar en la toma de decisiones. El ChatGPT-5.2 podría desempeñar un rol complementario en el futuro, aunque requiere mayor desarrollo para su aplicación clínica. 

Nivel de Evidencia: III