S'abonner

Leveraging artificial intelligence for surgical site infection surveillance: A comparison of 5 large language models - 27/03/26

Doi : 10.1016/j.ajic.2025.12.004 
Salma Abbas, MBBS, MPH a, , Faisal Jamil, MS b, Ahsan Shaikh, MS b, Sehrish Ilyas, BS b, Abdullah Bin Masood, BS b, Muhammad Usman Afzal, MS b, Awais Touseef, BS b, Ali Noor, BS b, Mirza Wasim-ud-Din, MCS b, Muhammad Tayyib Akbar, MCS b, Sajid Ali, MS b, Muhammad Abid Nazir, MCS b, Amir Mukhtar, MS b, Faisal Sultan, MBBS a
a Department of Internal Medicine, Shaukat Khanum Memorial Cancer Hospital and Research Center, Lahore, Punjab, Pakistan 
b Department of Management Information System, Shaukat Khanum Memorial Cancer Hospital and Research Center, Lahore, Punjab, Pakistan 

Address correspondence to Salma Abbas, MBBS, MPH, Department of Internal Medicine, Shaukat Khanum Memorial Cancer Hospital and Research Center, 7 A Khayaban-e-Firdousi, Block R3 Block R 3 M.A Johar Town, Lahore, Punjab, Pakistan. Department of Internal Medicine, Shaukat Khanum Memorial Cancer Hospital and Research Center 7 A Khayaban-e-Firdousi, Block R3 Block R 3 M.A Johar Town Lahore Punjab Pakistan

Résumé

We conducted a retrospective study to evaluate the performance of 5 large language models in detecting surgical site infections (SSIs), compared with manual surveillance by an infection preventionist nurse. Forty abdominal surgery patients were included. Manual review achieved 100% diagnostic accuracy. All large language models demonstrated high accuracy (90%-95%) and strong agreement with manual review (κ = 0.80-0.90), with no statistically significant differences in performance ( P   >  .05). AI-based tools may enhance the efficiency of surgical site infection surveillance.

Le texte complet de cet article est disponible en PDF.

Highlights

We compared 5 LLMs with manual review for SSI surveillance.
Manual review achieved 100% accuracy in SSI detection.
LLMs demonstrated high accuracy and agreement with manual review.
LLMs detected deep and organ-space SSIs better than superficial infection.
AI tools hold promise for SSI detection and need further optimization.

Le texte complet de cet article est disponible en PDF.

Key Words : Infection control, Healthcare-associated infections, Healthcare epidemiology


Plan


 Conflicts of interest: None to report.


© 2025  Association for Professionals in Infection Control and Epidemiology, Inc.. Publié par Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 54 - N° 4

P. 451-453 - avril 2026 Retour au numéro
Article précédent Article précédent
  • Effectiveness of using full personal protective equipment in reducing the transmission of SARS-CoV-2 in health care workers: A systematic review
  • Juliette Gagnon, Myriam Naïmi, Frederic Bergeron, Yves Longtin, Judith Villeneuve, Katia Boudaoud, Daphnée Jolicoeur-Ouellette, Hong Hao Xu, Émile Cormier, Jason R. Guertin, Tania Marx, Judicaël Adadja, Ariane Bluteau, Simon Berthelot
| Article suivant Article suivant
  • Reduced duration of isolation and impact on rates of healthcare-associated multidrug-resistant organisms in a pediatric medical center
  • Ayelet Rosenthal, Nabgha Farhat, Sneha Krishna, Joseph Fishbein, Amy Valencia, Alison Prati, Kendra Holland, Julianne E. Burns, Roshni Mathew

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Déjà abonné à cette revue ?

Elsevier s'engage à rendre ses eBooks accessibles et à se conformer aux lois applicables. Compte tenu de notre vaste bibliothèque de titres, il existe des cas où rendre un livre électronique entièrement accessible présente des défis uniques et l'inclusion de fonctionnalités complètes pourrait transformer sa nature au point de ne plus servir son objectif principal ou d'entraîner un fardeau disproportionné pour l'éditeur. Par conséquent, l'accessibilité de cet eBook peut être limitée. Voir plus

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2026 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.