AI辅助数字乳腺X线摄影在瑞典人群中的成本效益分析：基于马尔可夫模型的卫生经济学评估

本研究针对乳腺X线筛查中放射科医师短缺和诊断效率问题，通过马尔可夫模型评估AI辅助数字乳腺X线摄影（AI-DM）对比传统双人阅片（cDM）的成本效益。结果表明AI-DM在40-74岁瑞典女性群体中具有成本节约优势（节省59,320欧元/千人），同时获得10.8质量调整生命年（QALYs），为优化乳腺癌筛查策略提供重要循证依据。

　　

乳腺癌是全球女性最常见的恶性肿瘤之一，约占女性癌症病例的四分之一。尽管随机临床试验证实乳腺X线筛查能将乳腺癌相关死亡率降低20-50%，但传统双人阅片模式（cDM）面临放射科医师短缺、30%的间隔癌漏诊率以及阅片结果主观差异等挑战。瑞典林雪平大学（Link?ping University）的研究团队针对这一临床痛点，开展了一项开创性的卫生经济学研究，通过马尔可夫模型评估人工智能辅助数字乳腺X线摄影（AI-DM）在40-74岁女性群体中的成本效益，相关成果发表在《European Radiology》期刊。

研究采用决策分析型马尔可夫状态转换模型，关键技术包括：1）基于瑞典国家乳腺癌登记库（NKBC）和人类死亡率数据库（HMD）构建生命周期模型；2）使用经CE/FDA认证的Transpara深度学习算法（版本1.7.0）进行风险分层；3）设置四种AI实施场景进行敏感性分析；4）以3%贴现率计算质量调整生命年（QALYs）和增量成本效益比（ICER）。

主要研究结果

1. 基础场景分析：AI-DM筛查总成本为3,468,967欧元，较cDM节省59,320欧元，同时获得10.8个QALYs，形成"绝对优势"（dominant strategy）。
2. 工作量优化：AI-DM减少11,810次人工阅片（降幅33.5%），主要通过对30%中高风险病例（Transpara评分8-10）保留双人阅片实现。
3. 癌症检出优势：AI-DM组检出率提高19.6%（0.61% vs 0.51%），尤其55-74岁人群提升至0.86%（cDM为0.72%）。
4. 敏感性分析：蒙特卡洛模拟显示95.2%概率支持AI-DM的绝对优势，仅3.3%可能出现QALYs轻微损失。

场景拓展分析

1. 高风险分层策略：仅对Transpara评分10分病例双人阅片，可额外节省5,394欧元。
2. 单人阅片模式：虽节省8,439欧元但QALYs增益降至8.8，提示诊断效能部分牺牲。
3. 外包阅片场景：即使采用4.8欧元/例的外部服务，仍保持28,120欧元净节省。

讨论与意义
该研究首次证实AI-DM在乳腺癌筛查中可实现"双赢"——既降低医疗系统总成本又改善患者健康产出。相较于英国类似研究（Vargas-Palacios等，2023）的保守结论，瑞典团队基于本土随机试验数据（Lang等，2023）证实AI可提升癌症检出率而非简单替代人力。值得注意的是，AI的优势可能源于更早发现本会成为间隔癌的病例，Lang等后续研究显示AI能定位58%的漏诊病灶，包括23%的致死性病例。

研究局限性包括：1）IV期乳腺癌长期治疗成本可能被低估；2）阅片效率参数基于瑞典区域性数据；3）未考虑AI可能减少过度诊断的潜在收益。这些发现为欧洲乳腺癌筛查指南更新提供了关键经济学证据，特别是在放射科资源紧张的地区，AI-DM可作为优化资源配置的战略选择。未来需开展多中心研究验证不同医疗体系下的适用性，并探索AI在风险分层筛查中的扩展应用。