人工智能用于乳腺癌查的长期结果和成本效益:一项建模研究

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 在瘤学瘤学.

背景情况:

• 人工智能辅助查显示了提高乳腺癌诊断准确性的潜力.
• 人工智能在查中的长期健康结果和成本效益在很大程度上是未知的.

研究的目的:

• 评估将人工智能产品 (Saige-Dx) 整合到标准数字乳腺瘤合成 (DBT) 查中的好处,危害和成本效益.
• 为了比较40-74岁的女性每两年一次的单独DBT查与DBT加AI.

主要方法:

• 使用国家数据和AI性能指标开发了一个微模拟模型.
• 该模型比较了DBT单独与DBT加AI一生的结果.
• 关键指标包括错误阳性/阴性,晚期癌症病例,死亡,QALY,成本和ICER.

主要成果:

• 人工智能查减少了每1000名女性中的虚假阴性结果2.1%,虚假阳性结果49%.
• 人工智能导致每1000名女性中晚期癌症病例减少0.33个,死亡人数减少0.13个.
• 人工智能使QALY增加了3.09,每1000名女性的终身成本增加了936,430美元,ICER为303,279美元/QALY.

结论:

• 人工智能辅助的乳腺癌查提供了适度降低死亡率.
• 按照目前的定价,将AI整合到DBT查中是不具有成本效益的.
• 研究结果表明,在100,000美元/QALY门下,人工智能不太可能具有成本效益.