在不确定性肺结节的人工智能辅助风险分层的成本效益分析
Caroline M Godfrey1, Ashley A Leech2, Kevin C McGann1
1Department of Surgery, Vanderbilt University Medical Center, Nashville, Tennessee, United States of America.
PloS one
|March 5, 2026
概括
人工智能 (AI) 显著改善了不确定性肺结节 (IPN) 的风险分层,当恶性瘤风险超过5%时,证明具有成本效益. 这种人工智能辅助的方法增强了临床决策和患者的结果.
科学领域:
- 放射学和医疗成像中的人工智能.
- 肺结节的特征和肺癌查.
背景情况:
- 不确定的肺结节 (IPN) 由于肺癌查越来越常见.
- 准确,非侵入性IPN评估对于及时诊断癌症和避免不必要的程序至关重要.
- 人工智能在IPN风险分层中的成本效益在很大程度上仍未得到量化.
研究的目的:
- 评估AI辅助临床医师评估与IPN癌症风险分层单独临床医师评估的成本效益.
- 为了确定AI成本效益的恶性瘤患病率值.
主要方法:
- 构建了一个具有终身视野的付款人视角决策模型.
- 基础病例:1.1厘米的IPN在一个60岁的老人,65%的恶性瘤患病率.
- 主要结果:每生命年获得的成本 (LYG);进行了灵敏度和概率分析.
主要成果:
- 与仅仅临床医生相比,人工智能支持的风险分层产生了额外的0.03生命年.
- 在65%的恶性瘤患病率下,人工智能是具有成本效益的 (ICER:4,485美元/LYG).
- 当恶性瘤患病率降至5%以下时,AI超过了10万美元/LYG值.
结论:
- 人工智能支持的IPN风险分层是具有成本效益的,当测试前恶性瘤的概率超过5%时.
- 人工智能为提高肺结节的临床评估提供了有价值的工具.
