在甲状腺结节管理中整合人工智能:临床结果和成本效益分析

科学领域:

• 医疗成像医学成像
• 人工智能在医学中的应用
• 内分泌学 在内分泌学.

背景情况:

• 甲状腺结节 (TN) 的发病率不断增加,导致人们担心过度诊断和过度治疗.
• 准确的跨境网络风险分层对于适当的管理至关重要.
• 人工智能 (AI) 工具正在出现,以帮助医疗决策.

研究的目的:

• 评估KOIOS的临床和经济影响,这是FDA批准的AI工具,用于治疗甲状腺结节.
• 将KOIOS AI的诊断性能与使用ACR-TIRADS的专家和新手操作员进行比较.
• 评估KOIOS AI在管理跨国网络中的成本效益.

主要方法:

• 对176名接受甲状腺手术的患者进行了回顾性分析.
• 专家和新手操作员使用ACR-TIRADS对超声波图像进行独立评估.
• KOIOS AI为跨国网络提供了AI适应的风险分层.
• 使用灵敏度,特异性和ROC分析评估的诊断性能.
• 使用增量成本效益比率 (ICER) 和敏感性分析评估的成本效益.

主要成果:

• KOIOS AI的诊断性能与专家操作员 (AUC:0.794比0.784) 相当,并且表现明显优于新手操作员 (AUC:0.619).
• ICER的分析表明,KOIOS AI是占主导地位和节省成本的策略 (-8,085.56欧元/额外的最佳护理决定).
• 灵敏度分析证实KOIOS AI是最佳策略,手术成本是变化的主要驱动因素.

结论:

• KOIOS AI为甲状腺结节管理提供了一个具有成本效益的解决方案.
• 人工智能工具显示出减少过度诊断和过度治疗良性甲状腺结节的潜力.
• 建议进行进一步的前性研究,以验证发现并评估长期影响.