深度学习计算机辅助肺结节检测软件在CT肺癌查中的定价和成本节约潜力

科学领域:

• 放射学 放射学是一门学科.
• 人工智能的人工智能
• 卫生经济学 卫生经济学

背景情况:

• 商业深度学习计算机辅助检测 (DL-CAD) 系统越来越多地用于医学成像.
• 在肺癌查中,DL-CAD的成本节约潜力和最佳实施策略在很大程度上仍未得到量化.

研究的目的:

• 确定DL-CAD系统的适当定价,以在各种阅读模式中实现成本效益.
• 为了确定DL-CAD在肺癌查中最具成本效益的阅读模式.

主要方法:

• DL-CAD在三个阅读模式中进行了评估:并发,预选和第二读者.
• 放射科医生用DL-CAD和没有DL-CAD的读数时间通过范围审查估计.
• 收集了美国,英国和波兰的放射科医生费用,以计算节省时间的货币价值.
• 根据一次性DL-CAD投资成本进行了平衡分析.

主要成果:

• 当DL-CAD作为并发或预选阅读器使用时,将阅读时间减少了77-104秒.
• 每个案例的成本节省在0.8-5.7欧元之间,取决于阅读模式和国家.
• 为了达到收益平衡,需要9,400-65,000次CT扫描,这取决于阅读模式和国家.

结论:

• 为了实现成本效益,DL-CAD定价必须大大低于每案6欧元 (按案例付费) 或在高工作负载环境中实施.
• 使用DL-CAD作为预查阅读器证明了在肺癌查中节省成本的最大潜力.