价格:为罕见疾病诊断提供个性化的递归智能成本估计框架
Mengshu Nie1, Yujing Yao2, Junyoung Kim1
1Boston Children's Hospital, Department of Pediatrics, Division of Genetics and Genomics, Boston, MA.
Research square
|June 30, 2025
概括
PRICE框架提供了一种动态的方法来评估罕见疾病的诊断策略的成本效益. 这种与人工智能集成的模型可以个性化评估,改善临床医生和患者的决策.
科学领域:
- 医疗信息学 医疗信息学
- 卫生经济学 卫生经济学
- 人工智能在医学中的应用
背景情况:
- 诊断罕见疾病是复杂的,昂贵的,耗时的.
- 传统的成本效益分析使用静态模型,无法考虑患者的变化.
- 需要动态,个性化的框架来实现诊断成本效益,特别是随着人工智能的进步.
研究的目的:
- 引入PRICE (个性化递归综合性成本效益) 框架.
- 开发一个动态模型来评估诊断策略的成本效益在个体患者的水平.
- 适应专家驱动和人工智能辅助的诊断决策.
主要方法:
- 使用基于树的分析模型 (PRICE) 与反向传播算法进行成本计算.
- 使用基于实用性的方法量化有效性.
- 纳入诸如疾病流行率,测试成本,绩效指标和周转时间等参数,以进行个性化评估.
主要成果:
- 应用PRICE对发育迟缓和多种先天性异常的诊断策略.
- 证明了PRICE在不同参数下建模结果的能力,支持患者的决策.
- 展示了AI性能如何影响AI授权场景中的最佳成本效益策略.
- 开发了一种交互式网络工具,用于实时可视化和模拟诊断途径.
结论:
- 价格是一个灵活的框架,可以捕捉连续的诊断工作流,适应AI集成.
- 能够对诊断策略进行个性化的经济和临床评估.
- 促进知情,个性化的决策,尤其对于罕见疾病诊断至关重要.


