人工智能转移了新加坡对心声回声 LVEF 评估的任务:经济评估

科学领域:

• 心脏病学 心脏病学
• 医疗器械 医疗器械
• 卫生经济学 卫生经济学

背景情况:

• 准确的左心室喷射分数 (LVEF) 评估对于心力衰竭 (HF) 诊断至关重要.
• 传统上需要熟练的超声波专家进行心声回声学.
• 支持人工智能的护理点 (AI-POC) 设备可能允许新手进行LVEF评估,从而可能降低成本.

研究的目的:

• 进行成本最小化分析,比较常规超声波器执行的心声回声学与初学者操作的AI-POC设备进行LVEF评估.
• 评估将LVEF评估任务转移到使用AI-POC技术的新手的经济可行性.

主要方法:

• 使用决策树模型来比较疑似心力衰竭患者诊断LVEF<50%的成本.
• 该模型包括LVEF流行率,诊断准确性和AI-POC和标准胸回声心电图 (TTE) 途径的全面成本数据.
• 进行了概率敏感性分析,以评估研究结果的可靠性.

主要成果:

• 人工智能-POC途径带来了显著的成本节约,平均每名患者的成本为1,185新西兰元 [1,422美元],而传统的TTE则为1,403新西兰元 [1,684美元].
• 在新加坡一家三级医疗中心为100名患者实施AI-POC设备,节省了21,669新加坡元[26 ,013美元].
• 概率灵敏度分析表明,AI-POC方法比标准TTE更具成本效益的概率为99.9%.

结论:

• 对使用AI-POC设备的新手进行任务转移回声心脏学LVEF评估,与标准的超声波器主导的TTE相比,可能会节省成本.
• 人工智能-POC设备为LVEF评估提供了具有成本效益的替代方案,有可能改善心力衰竭诊断中的医疗保健经济性.