《Cancers》：Cost Effectiveness Analysis of an AI-Assisted Breast Cancer Screening Programme in Singapore: An Early Health Technology Assessment
Serene Si Ning Goh,
Yuan Zheng Lim,
Clarence Ong,
Mikael Hartman and
Yi Wang
编辑推荐：
本研究是亚洲首项针对人工智能（AI）集成到乳腺癌筛查项目的现实世界成本效益评估。结果显示，AI辅助模型（AI+放射科医师）相较于传统的双读模式，可节省成本并带来健康增益，是最具成本效益的策略；而AI独立筛查（AI-only）虽能带来更大的健康增益，但代价是更高的成本和假阳性率。文章为政策制定、资源分配和负责任地采纳AI技术提供了基于新加坡本地情境的关键证据。
引言
乳腺癌是新加坡女性中最常见的癌症，也是女性癌症相关死亡的主要原因。新加坡已为50-69岁的女性实施了两年一次的乳房X线摄影筛查计划。尽管有效，但该计划的可持续性面临挑战，包括对有限放射科医师资源的依赖、判读的差异性、以及较高的假阳性召回率。人工智能（AI）已成为应对这些挑战的有前景的解决方案，可提高准确性并减轻工作量。然而，在亚洲情境下，将AI整合到国家筛查计划中的长期价值和成本效益仍有待评估。本研究旨在通过经济评估，评估AI辅助乳房X线摄影在新加坡国家乳腺癌筛查计划中的增量效益、危害和成本，为政策制定和AI的负责任采纳提供本地相关证据。
材料与方法
本研究遵循CHEERS-AI清单报告，目标人群为50岁的新加坡女性，模拟了50年时间跨度的马尔可夫模型，对三种筛查策略进行了比较。该模型纳入了重复筛查周期、疾病进展、治疗结果以及针对新加坡背景调整的医疗保健成本。
- •
人群与背景
研究目标人群为50岁的新加坡女性，模拟时间跨度为50年，以反映新加坡Healthier SG计划。模型采用封闭队列设计，纳入了10,000名假设女性的基线队列，并纵向跟踪，不补充新成员。模拟考虑了40%的国家筛查依从性，并额外建模了20%和80%的情景。
- •
比较与干预
研究比较了三种代表不同AI整合水平的筛查策略：
- 1.
标准双读：两位放射科医师独立判读每张乳房X线摄影片，分歧病例由第三位医师仲裁。
- 2.
AI伴读：用AI替代其中一位放射科医师。一位放射科医师进行初步判读，AI作为支持工具，分歧病例由另一位医师仲裁。
- 3.
AI独立：AI系统在没有放射科医师参与初步决策的情况下判读影像，AI直接决定筛查结果。
评估的AI干预是用于数字乳房X线摄影的深度学习计算机辅助检测与诊断系统FxMammo。模型输入的性能参数为：标准双读的敏感性和特异性分别为0.691和0.954；AI伴读为0.715和0.968；AI独立为0.805和0.893。
- •
结果与成本
结果包括健康结局、诊断结局和经济结局。质量调整生命年由在每种健康状态下的时间乘以相应的效用权重计算得出。成本从医疗体系视角出发，以2023年新加坡元估算。乳房X线摄影筛查成本为每次扫描110新加坡元。AI伴读策略将一位医师的判读费替换为AI服务费（5新加坡元），使每次扫描成本降至97.5新加坡元。AI独立策略则排除了放射科医师判读成本，总成本为80新加坡元。成本和健康结果均按每年3%贴现。
- •
模型结构
模型采用状态转移马尔可夫模型，模拟了50年时间跨度的筛查结果。该模型考虑了重复的两年一次筛查周期、癌症进展、复发、自然原因死亡以及乳腺癌特异性死亡。模型允许女性在不同健康状态间转换，包括未确诊、癌症诊断、治疗、缓解、复发和死亡。
- •
信息源
所有单位成本和资源数量均基于本地公立医院和已发表文献的数据，以2023年价格水平的新加坡元估算。乳腺癌相关死亡率数据来自2015年新加坡癌症登记年度报告。成本和健康效用等参数主要源自亚洲研究和新加坡的公开医疗数据。支付意愿阈值设定为每个质量调整生命年约50,000新加坡元，与新加坡常用阈值一致。
- •
不确定性分析
进行了确定性敏感性分析，关键参数在±10%范围内变动。概率敏感性分析对成本参数使用伽马分布，对效用参数使用贝塔分布，并执行了10,000次蒙特卡洛模拟。
结果
- •
诊断与健康结果
在模拟的10,000名女性队列中，与标准双读相比，AI伴读策略改善了诊断性能，假阴性从144例降至131例，假阳性从1,761例降至1,225例。AI独立策略产生了最多的真阳性检出（372例对比343例）和最少的假阴性（85例），但假阳性大幅增加至4,097例。AI独立策略还带来了最大的健康增益，获得了218,532.4个质量调整生命年，并使晚期癌症减少最多。
- •
经济结果
从经济角度看，AI伴读策略最具成本效益。它额外获得了15.9个质量调整生命年，同时节省了总计316,089.60新加坡元，相对于标准双读，其增量成本效益比是每获得一个质量调整生命年可节省19,846.08新加坡元。AI独立策略总成本最高，增加了约135万新加坡元，相对于标准双读，其增量成本效益比为每获得一个质量调整生命年18,743.39新加坡元。
- •
成本效益可接受性分析
在20%、40%和80%的筛查依从性水平下，AI伴读策略在低于约30,000新加坡元的支付意愿阈值下具有最高的成本效益概率。随着支付意愿阈值上升，AI独立策略的成本效益概率逐渐增加，并在支付意愿阈值超过约35,000至40,000新加坡元后超越AI伴读策略。传统筛查在所有支付意愿阈值和依从性水平下始终表现出最低的成本效益概率。
- •
敏感性分析
在比较AI伴读与标准双读的确定性敏感性分析中，对增量成本效益比影响最大的参数是AI伴读策略的特异性，其次是标准筛查的特异性。在比较AI独立与标准双读的分析中，AI独立的特异性被确定为影响增量成本效益比的最具影响力的参数。筛查成本也对增量成本效益比产生了影响。这些分析突显了诊断特异性（通过其对假阳性率的影响）是决定成本效益的关键驱动因素。
讨论
将人工智能整合到乳腺癌筛查中，在提高癌症检出率的同时保持较低的假阳性率方面具有巨大潜力。本研究结果表明，与常规双读相比，基于AI的筛查策略改善了结果。AI独立策略实现了最大的健康增益，但代价是更高的假阳性负担和总成本。而AI辅助策略则展现出最有利的经济状况，在获得额外质量调整生命年的同时节省了成本。
据我们所知，这是亚洲首批在现实条件下对AI增强乳腺癌筛查进行全面成本效益评估的研究之一。研究结果为该地区的政策、报销和资源配置决策提供了关键证据。在评估的策略中，AI独立模型因其更高的敏感性（0.805）产生了最大的健康增益，但其特异性较低（0.893），导致假阳性更多，总成本更高。相比之下，AI辅助模型在健康增益和成本节约之间取得了更有利的平衡，使其在低至中等支付意愿阈值下成为最具成本效益的选择。AI独立策略的假阳性召回率约为传统筛查的三倍，这不仅增加了成本，也构成了现实世界采纳全自动筛查策略的重要实践和伦理障碍。
敏感性分析确定，检测特异性是所有基于AI的乳腺癌筛查策略成本效益的主要驱动因素。在筛查依从性水平（20%、40%和80%）下，AI辅助策略在较低至中等的支付意愿阈值下始终最具成本效益。在较高的支付意愿阈值下，全自动策略可能变得更有吸引力，但其实际采纳仍受到与全自动决策相关的伦理、法律和信任问题的限制。跨研究比较表明，AI在乳腺癌筛查中的经济价值主要取决于其如何整合到临床工作流程中，而不仅仅是算法性能。综合来看，来自新加坡、欧洲和美国研究的结果表明，AI在混合筛查路径中用于增强或部分替代人工判读时，能提供最大的经济价值，这支持了优先考虑人在回路的AI辅助乳房X线摄影作为人群筛查最可扩展且经济上可持续的实施策略。
然而，这项基于模型的经济评估存在一些局限性。分析仅限于50-69岁的女性，未涵盖年轻或高风险人群。模型假设了固定的敏感性和特异性值，可能无法完全反映现实世界的变异性。死亡率数据源自2015年的报告，尽管治疗已发展，但筛查的大部分死亡率益处源于早期发现。模型未明确量化与假阴性或过度诊断相关的心理危害。未明确模拟人群异质性，包括种族、社会经济地位或合并症的差异。模型假设了完全的筛查依从性和及时随访，可能高估了有效性。未纳入图片存档及通信系统集成、工作流重新设计、培训要求和监管审批等操作因素。AI独立策略进一步假设了诊断自主性，而未模拟可能影响现实世界采纳的医疗法律或患者接受障碍。尽管如此，本研究为未来的实施研究奠定了坚实基础，强调了在既定筛查计划内进行持续评估、本地验证和负责任地整合AI的必要性。
结论
将人工智能整合到乳腺癌筛查中，相较于常规双读，有潜力改善健康结局并提高系统效率。混合的、人在回路的实施模式，即AI支持放射科医师决策，似乎在临床益处、成本效益和操作可行性之间提供了最有利的平衡，且不影响诊断性能。相比之下，全自动AI方法可能提供更大的检出增益，但伴随着更高的成本和下游资源影响，在广泛采纳前需要进一步优化和评估。总体而言，这些发现支持分阶段实施策略，优先考虑AI辅助工作流作为近期人群筛查计划最务实的路径。
