《Value in Health Regional Issues》:Economic Evaluation of the Use of Artificial Intelligence in Stress Echocardiography: Cost-Consequence and Cost-Effectiveness Analysis
编辑推荐:
摘要
目的
采用成本-效果分析和成本-后果分析,联合一项多中心随机对照试验,评估人工智能(AI)辅助负荷超声心动图(SE)在英国国家卫生服务(NHS)冠状动脉疾病(CAD)诊断路径中的经济影响。
方法
该评价嵌入PROTEUS试验,这是一项在20家NHS医院进
摘要
目的
采用成本-效果分析和成本-后果分析,联合一项多中心随机对照试验,评估人工智能(AI)辅助负荷超声心动图(SE)在英国国家卫生服务(NHS)冠状动脉疾病(CAD)诊断路径中的经济影响。
方法
该评价嵌入PROTEUS试验,这是一项在20家NHS医院进行的随机对照试验,共纳入2213名疑似CAD并接受SE的患者。患者被随机分配至标准护理(对照组)或AI辅助SE(干预组)。采用欧洲五维健康量表五水平(EQ-5D-5L)和西雅图心绞痛问卷-7(SAQ-7)评估结局,质量调整生命年(QALYs)估计为期6个月。NHS成本来自一项成本研究。成本-后果分析比较了组内和组间结局。成本-效果分析使用了包含AI成本情景和临床医生时间节省的决策树。概率敏感性分析评估了不确定性。
结果
两组诊断准确性均较高(对照组97.2%;干预组96.9%)。两组SAQ-7评分均有显著改善(P < .001),但组间无差异。EQ-5D-5L显示除自我照顾外(对照组:P = .017;干预组:P = .032)组内无显著变化,且无组间差异。QALYs相似(干预组0.392 vs 对照组0.390;P = .818)。平均NHS成本为干预组£376.72 vs 对照组£366.08。在无AI成本的基础案例中,增量成本-效果比为£6,939/QALY。当AI成本每例不高于£35.35或计入临床医生时间节省后不高于£45.93时,干预仍具成本-效果。敏感性分析支持该结果。
结论
AI辅助SE可能成为NHS CAD诊断中具有成本-效果的补充,其价值由成本、准确性和效率驱动。
**论文解读:人工智能辅助负荷超声心动图的经济学评价——基于PROTEUS试验的成本-后果与成本-效果分析**
**研究背景与问题**
冠状动脉疾病(coronary artery disease, CAD)是全球主要死因,在英国每年导致约66,000例死亡,其诊断和管理每年耗费国家卫生服务(National Health Service, NHS)约120亿英镑。负荷超声心动图(stress echocardiography, SE)作为一线无创诊断手段,因无电离辐射、成本较低而在NHS广泛应用,但其图像获取与解读高度依赖操作者,手动轮廓描记、测量提取及报告撰写易造成延迟、效率低下及转诊决策不一致。人工智能(artificial intelligence, AI)工具可自动化这些任务,有望减少操作者间变异、提升诊断信心并缓解影像服务压力,但多数证据来自回顾性研究,缺乏前瞻性经济学评估以支持基于证据的采纳和采购决策。为此,研究人员开展了PROTEUS试验(一项在20家NHS医院进行的多中心随机对照试验),并预设了本经济学评价,旨在评估AI辅助SE在NHS常规实践中的经济价值。该论文发表于《Value in Health Regional Issues》。
**研究内容与结论**
研究人员基于PROTEUS试验的临床数据,采用成本-后果分析(cost-consequence analysis, CCA)和成本-效果分析(cost-effectiveness analysis, CEA)框架,从NHS视角评估AI辅助SE(使用EchoGo Pro)与标准护理相比的经济影响。试验共纳入2,213名疑似CAD患者,随机分配至AI辅助组或对照组。主要结局包括诊断准确性、患者报告结局(EQ-5D-5L和SAQ-7)及6个月内的质量调整生命年(quality-adjusted life-years, QALYs)。结果显示,两组诊断准确性均超过96%(对照组97.2%,AI组96.9%);SAQ-7评分在两组内均有显著改善(P < .001),但组间无差异;QALYs相似(AI组0.392 vs 对照组0.390,P = .818);平均NHS成本AI组略高(£376.72 vs £366.08)。在基础案例(无AI实施成本)下,增量成本-效果比(incremental cost-effectiveness ratio, ICER)为£6,939/QALY,远低于NICE推荐的£20,000-£30,000阈值;当AI成本每例不超过£35.35或计入临床医生时间节省后不超过£45.93时,AI策略仍具成本-效果。这些结论表明,在控制实施成本并实现效率提升的条件下,AI辅助SE可能成为NHS CAD诊断中具有成本-效果的补充方案。
**主要关键技术方法**
研究人员基于PROTEUS试验的随机对照设计,利用试验获取的诊断分类(真阳性、真阴性、假阳性、假阴性)概率,构建决策树模型进行成本-效果分析。成本数据来源于EVAREST/BSE-NSTEP多中心观察性研究(涵盖31家NHS医院的7,636名SE患者),提供分类特异性下游NHS成本。AI实施成本(安装、培训、维护及许可费)来自开发商Ultromics Ltd。临床医生时间节省估计基于已发表参考研究。采用概率敏感性分析(probabilistic sensitivity analysis, PSA)通过100,000次蒙特卡洛模拟评估不确定性,并以成本-效果可接受曲线(cost-effectiveness acceptability curve, CEAC)和增量成本-效果散点图呈现结果。
**研究结果**
**患者分布**:2,213名患者几乎均分至两组(对照组1,108人,AI组1,105人)。
**诊断准确性与转诊适当性**:对照组97.2%患者转诊适当(真阳性2.4%,真阴性94.8%),AI组96.9%(真阳性3.1%,真阴性93.8%)。不适当转诊率对照组2.8%,AI组3.1%,其中假阳性在AI组更高(1.4% vs 0.8%,P = .23),但未达统计学显著。
**转诊类型**:两组均以药物治疗为主(对照组96.8%,AI组95.6%),血管造影转诊率AI组略高(4.4% vs 3.2%)。
**不良事件**:6个月内对照组死亡13例(1.17%),AI组9例(0.81%)。
**成本-后果分析(CCA)**:下游NHS成本根据诊断分类分配(假阴性最高£4,192.40,真阴性最低£226.68)。平均每例成本对照组£366.08,AI组£376.72,差异£10.64(P = .830)。SAQ-7显示两组内所有维度及总分从基线至6个月均有显著改善(P < .001),效应量小(Cohen’s d -0.190至-0.347),组间无显著差异(P ≥ .181)。EQ-5D-5L仅自我照顾维度在两组内显著变化(对照组P = .017,AI组P = .032),其余维度及EQ-VAS无组内或组间差异。QALYs在完整案例分析及LOCF敏感性分析中组间均无显著差异(分别P = .965和P = .818),效应量可忽略(Cohen’s d < 0.02)。
**成本-效果分析(CEA)**:基础案例(无AI可变成本)下,AI组成本略高(£376.72 vs £366.08),效果略优(0.392 vs 0.390 QALYs),ICER为£6,939/QALY,净货币收益(NMB)AI组£11,369略高于对照组£11,334。PSA显示在£30,000/QALY阈值下,AI策略成本-效果概率约50.23%,与对照组接近。情景分析(AI成本每例£50)下ICER升至£39,555/QALY,超出阈值,NMB转低于对照组。阈值分析显示,ICER等于£30,000/QALY时的AI成本盈亏平衡点为每例£35.35;若计入临床医生时间节省(每例约£10.58),盈亏平衡点升至£45.93。
**讨论与结论**
讨论部分指出,诊断准确性是下游成本和价值的主要驱动因素。AI策略减少了假阴性(19 vs 22例)并增加了真阳性(34 vs 27例),虽未达统计显著,但假阴性的减少具有临床重要性,可避免漏诊导致的治疗延迟和后续成本。成本-效果对AI定价和运营效率假设敏感,盈亏平衡分析提示合理定价和流程整合对维持经济价值至关重要。研究优势包括与大型前瞻性多中心RCT整合、使用同期NHS成本数据及EQ-5D-5L效用值;局限性包括成本和时间节省数据源于外部而非试验直接测量、患者报告结局随访缺失需插补、分析时间仅6个月限制长期推断,且QALY增益小且不显著。结论翻译如下:当实施成本得到控制且工作流程效率得以实现时,AI辅助SE有潜力成为NHS CAD诊断中具有成本-效果的补充。在本评价中,与标准护理相比,该策略在成本差异适中的前提下提供了略高的效果,且在特定情景下保持在NICE推荐的支付意愿阈值内。其经济价值程度将取决于实际实施成本以及诊断准确性的改善在多大程度上转化为患者结局的改善和医疗资源更高效的利用。