基于人工智能的机会主义压缩骨折查现有放射图的成本效益
Patti K Curl1, Ayden Jacob2, Brian Bresnahan2
1Neuroradiology Medical Director, Harborview Medical Center, University of Washington, Seattle, Washington.
Journal of the American College of Radiology : JACR
|March 25, 2024
概括
人工智能 (AI) 软件可以选骨质疏松性脊椎压缩骨折 (OVCFs) 的现有放射图. 这种基于人工智能的机会性查具有成本效益,降低了医疗保健成本并改善了患者的生活质量.
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:
- 骨质疏松性脊椎压缩骨折 (OVCFs) 是发病率和死亡率的重要原因.
- 对OVCF的预防性治疗是有效的和具有成本效益的.
- 现有的胸部和腹部X射线图包含了用于OVCF检测的宝贵信息.
研究的目的:
- 评估实施新型人工智能驱动软件的成本效益,以对现有放射图进行机会性OVCF查.
- 评估AI深度学习算法的OVCF检测的灵敏度和特异性.
主要方法:
- 采用了结合树和马尔科夫模型的确定性成本效益模型.
- 对OVCF的机会性查与常规护理进行了比较.
- 总成本和经质量调整的寿命年从社会角度计算 (2022年价格).
主要成果:
- 基于人工智能的查策略主导了通常的护理,显示了更低的成本和更好的质量调整寿命.
- 节省成本的主要原因是减少骨折治疗费用和长期护理需求.
- 查策略仍然占主导地位,即使软件植入成本为每名患者46美元.
结论:
- 基于人工智能的机会性查OVCFs使用现有的X光片是一个成本效益的战略.
- 这种技术的实施为管理OVCF提供了有利的社会前景.


