医疗人工智能的经济评估:在糖尿病视网膜病变查病例中的准确性与成本效益
Yueye Wang1, Chi Liu2, Wenyi Hu3
1State Key Laboratory of Ophthalmology, Zhongshan Ophthalmic Center, Sun Yat-sen University, Guangdong Provincial Key Laboratory of Ophthalmology and Visual Science, Guangdong Provincial Clinical Research Center for Ocular Diseases, Guangzhou, China.
NPJ digital medicine
|February 21, 2024
概括
对于糖尿病视网膜病变查,最准确的人工智能 (AI) 模型可能不是最具成本效益的. 优化人工智能成本效益需要平衡敏感性和特异性,特别是在高流行率的人群中.
科学领域:
- 医疗信息学 医疗信息学
- 卫生经济学 卫生经济学
- 眼科医生 眼科 眼科
背景情况:
- 人工智能 (AI) 在健康查方面表现出高准确性,但其在现实世界中的成本效益并未得到保证.
- 在管理医疗保健成本和检测能力方面,平衡人工智能的敏感性和特异性至关重要.
研究的目的:
- 在全国范围的糖尿病视网膜病变 (DR) 查计划中对AI模型进行成本效益分析.
- 评估人工智能性能指标 (灵敏度/特异性) 与长期成本效益之间的权衡.
主要方法:
- 对中国30年全国DR查计划 (251,535名参与者) 进行了成本效益分析.
- 测试了1100种不同的AI诊断性能场景 (灵敏度/特异性对) 与现状 (最准确的AI) 相比.
- 增量成本效益比率 (ICER) 是为了比较场景而计算的.
主要成果:
- 与现状相比,六种场景节省了成本,七种场景具有成本效益 (93.3%的敏感度/87.7%的特异性).
- 为了节省成本或提高成本效益,人工智能的最低性能:灵敏度为88.2%,特异性为80.4%.
- 最具成本效益的人工智能模型显示出比现状更高的灵敏度 (96.3%) 和更低的特异性 (80.4%).
结论:
- 最准确的AI模型不一定是糖尿病视网膜病变查最具成本效益的模型.
- 成本效益受人工智能的敏感性,DR流行率,支付意愿,患者人口统计和地理区域的影响.
- 对人工智能的成本效益进行独立评估对于实际实施至关重要.
