《Cancers》：Cervical Cytology and HPV16/18/45 mRNA Co-Testing Improve Risk Stratification in Routine Clinical Practice
Sveinung Wergeland S?rbye,
Bente Marie Falang,
Mona Antonsen and
Elin Richardsen
编辑推荐：
本研究评估了人工智能(AI)整合到新加坡国家乳腺癌筛查项目中的成本效益。结果显示，相较于传统双人阅片，AI辅助模式(一名放射科医生+AI)在节省成本的同时获得了健康增益，是经济上最有利的选择；而AI独立阅片模式则能带来更大的健康增益，但伴随更高的成本和假阳性负担，其增量成本效益比(ICER)在常见的支付意愿阈值内仍具有成本效益。这为决策者整合AI提供了基于具体情境的证据。
1. 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。尽管在新加坡“为生命筛查”计划下，为50-69岁女性提供了两年一次的乳腺X线摄影筛查，但有效筛查项目的持续运营面临着多重挑战。乳腺X线摄影解读是资源密集型工作，高度依赖有限的放射科医生队伍。解读的差异性、人为疲劳以及高假阳性召回率（一项新加坡研究显示，仅7.6%被召回进一步评估的乳腺X线摄影最终诊断为癌症）等问题，都增加了患者焦虑、不必要的医疗程序，并降低了未来筛查的依从性。人工智能(AI)的涌现为解决这些挑战带来了希望。深度学习模型能够标记可疑区域、分流正常检查，并辅助图像解读。国际研究已证明AI系统可显著降低假阳性和假阴性。一项在新加坡国立大学医院进行的研究也表明，AI辅助能够提升经验较少的放射科医生的诊断水平，使其达到顾问级别的表现。然而，AI的广泛应用需要大量投资，并可能因检测出惰性病变而带来过度诊断的风险。因此，评估AI在国家筛查项目中的长期价值和成本效益至关重要。
2. 材料与方法
本研究评估了三种筛查策略：1) 标准双人阅片（对照），2) AI辅助模型（一名放射科医生+AI），3) AI独立模型。研究采用了马尔可夫状态转换模型，对新加坡10,000名50岁女性队列进行了为期50年的模拟。模型纳入了当地的流行病学、筛查性能、疾病进展、治疗结果和医疗成本数据。主要结果指标包括质量调整生命年(QALY)和增量成本效益比(ICER)。成本和健康结果均按每年3%进行贴现。支付意愿(WTP)阈值设定为约5万新加坡元(SGD)每QALY。研究还进行了单因素确定性敏感度分析和概率性敏感度分析以评估不确定性。
3. 结果
在诊断性能方面，与常规筛查相比，AI辅助策略将假阴性从144例减少到131例，假阳性从1761例减少到1225例。AI独立策略检测到最多的真阳性（372例），假阴性最低（85例），但同时假阳性大幅增加至4097例。在成本效益方面，AI辅助策略是最具成本效益的，它在获得15.9个额外QALY的同时，节省了316,089.60新加坡元，相当于每获得一个QALY节省了19,846.08新加坡元。AI独立策略带来了最大的健康增益（72.0个额外QALY），但总成本增加了135万新加坡元，其相对于常规筛查的ICER为每QALY 18,743.39新加坡元。在不同筛查依从性（20%、40%、80%）下，AI辅助策略在较低至中等WTP阈值下具有最高的成本效益概率。而当WTP阈值高于约35,000-40,000新加坡元时，AI独立策略的成本效益概率会超过AI辅助策略。敏感度分析表明，诊断特异性是影响AI筛查策略成本效益的最关键参数，其次是筛查成本。
4. 讨论
AI与乳腺癌筛查的整合在提高癌症检出率的同时，有望控制较低的假阳性率。本研究显示，AI增强的乳腺癌筛查策略在改善结局方面优于传统的双人阅片。其中，AI独立策略带来了最大的健康增益，但代价是更高的假阳性负担和总成本。相比之下，AI辅助策略在健康增益和经济效益之间取得了更有利的平衡，是成本节约的选择。AI独立策略带来的假阳性召回数约为常规筛查的三倍，这不仅带来经济成本，也构成了现实世界采用全自动筛查策略的实践和伦理障碍。因此，在较低至中等支付意愿阈值下，AI辅助模型是最具成本效益的选择，而全自动策略在支付意愿阈值较高时（>4万新加坡元）可能变得更具吸引力。与其他国际研究的对比表明，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，而非仅算法性能。当AI被用于增强或部分替代人工阅片时，能提供最大的经济价值。研究也指出了其局限性，包括模型固定了算法性能参数、未明确量化假阴性或过度诊断的心理危害、未考虑人群异质性等，强调了未来在实施中持续评估、本地验证和负责任整合的重要性。
5. 结论
将AI整合到乳腺癌筛查中，相较于传统的双人阅片，有潜力改善健康结局并提高系统效率。混合“人在环中”的实施模式，即AI辅助放射科医生决策，似乎在不影响诊断性能的前提下，在临床获益、成本效益和操作可行性之间提供了最佳的平衡。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，在广泛采用前需要进一步的优化和评估。总体而言，这些发现支持分阶段实施的策略，将AI辅助工作流程作为近期筛查项目最实用的路径予以优先考虑。
