Economic evaluation of artificial intelligence for cancer detection in the UK breast screening programme

《British Journal of Cancer》：Economic evaluation of artificial intelligence for cancer detection in the UK breast screening programme

　　

背景：人工智能（AI）为解决乳腺癌筛查中的放射科医生短缺问题提供了潜在方案，同时保持诊断准确性。回顾性研究表明AI在人类读者检测癌症方面表现相当，但尚未有经济评估使用前瞻性试验数据。方法：研究人员开发了一种全新的离散事件模拟（DES）模型，利用大型前瞻性试验的证据，估算将AI整合到英国国家医疗服务体系（NHS）筛查路径中的成本效益。结果：AI单独策略产生了微小的增量质量调整生命年（QALY）增益（0.00009），并将每名受邀女性的终身成本降低了159.55英镑，在20,000英镑/QALY阈值下具有100%的成本效益概率。用AI替代一名人类读者也增加了QALY（0.00019），并降低了31.07英镑的成本。三重读片（两名人类加AI）产生了最大的QALY增益（0.00023），但增加了72.79英镑的成本。所有基于AI的路径均减少了癌症死亡，将癌症从晚期（TNM分期4期）转移至更早的分期，并增加了通过筛查发现的癌症比例。结论：使用AI替代人类读者可能具有成本效益，在边际上改善健康结果的同时降低总体成本，完全替代两名人类读者是最具成本效益的筛查策略。

论文解读：人工智能在英国乳腺癌筛查中应用的经济学评价

研究背景与目的

英国国家医疗服务体系（NHS）乳腺癌筛查项目邀请50至70岁女性每三年进行一次乳腺X线摄影检查，并由两名放射科医生进行双读片（double reading）。尽管该项目有效降低了乳腺癌死亡率，但NHS正面临严重的放射科医生短缺问题，近29%的顾问临床放射科医生职位空缺，预计至2029年缺口将达39%。在此背景下，人工智能（AI）被视为缓解劳动力压力并保持筛查质量的潜在解决方案。既往虽有回顾性研究证实AI的诊断性能可比肩人类，且已有两项经济学评价发表，但这些研究均基于回顾性数据，未能捕捉真实临床工作流的复杂性及由此产生的下游资源消耗变化。因此，缺乏基于前瞻性临床试验数据的经济学证据成为政策制定的一大局限。为填补这一空白，研究人员开展了首项结合前瞻性临床准确性数据的AI整合经济学评价，旨在评估AI增强或替代人类读者在NHS筛查路径中的成本效益。

该研究由Hill等人完成，发表于《British Journal of Cancer》。

关键技术方法

本研究采用的技术方法核心在于构建一个全新的微观模拟模型——离散事件模拟（Discrete-Event Simulation, DES）。该模型严格遵循英国国家卫生与临床优化研究所（NICE）2025年指南及CHEERS-AI清单，从NHS和社会服务角度进行全生命周期的成本效益分析。模型数据主要来源于瑞典ScreenTrustCAD试验的前瞻性数据，并将其适配至英国背景。模型设置了四种筛查策略进行对比：标准双读片、一名放射科医生加AI的双读片、AI单独读片以及两名放射科医生加AI的三重读片（triple reading）。结局指标以质量调整生命年（QALY）衡量健康产出，以净货币收益（Net Monetary Benefit, NMB）作为主要决策指标，并进行了广泛的概率敏感性分析和确定性敏感性分析以检验模型稳健性。

研究结果

模型结构与概述

研究人员构建了详细的模型结构，模拟了从50岁受邀筛查至71岁退出筛查的完整路径，并纳入了自然病史子模型以模拟间期癌和临床检出癌症。模型通过分配癌症发生年龄和症状检出年龄，精确计算了领先时间（lead time）及其带来的生存获益。

模型数据源与假设

模型采用单队列设计，基于NHS审计数据设定不同年龄和乳腺密度下的基线准确率。AI策略的诊断准确性源自瑞典ScreenTrustCAD试验，并根据英国年龄-密度分层数据进行调整。肿瘤分期依据英国审计数据按年龄和检出模式进行概率分配。

成本与资源消耗

成本分析基于2023年英镑价格，涵盖筛查、诊断、治疗及临终关怀。结果显示，AI单独策略相比标准筛查节省了每例159.55英镑的终身成本，主要归因于读片人员成本的显著降低。

健康相关生活质量与临床结局

健康结果通过EQ-5D工具转化为QALY。研究发现，所有AI策略均优于现行标准筛查。其中，AI单独读片策略虽健康获益最小（0.00009 QALY），但因成本节省巨大而具有最高的NMB。

成本效用分析

在20,000英镑/QALY的支付意愿阈值下，AI单独策略的NMB最高（284,319英镑/人），其次是单人类加AI策略（284,193英镑/人）。三重读片策略虽然QALY增益最大（0.00023），但因成本增加导致NMB最低（284,090英镑/人），其增量成本效益比（ICER）高达317,423英镑/QALY，远超阈值。

外部验证与敏感性分析

模型经外部验证，其预测的导管原位癌（DCIS）比例（14.9%）与全国审计数据（13.8%）接近。概率敏感性分析显示，AI单独策略在20,000英镑阈值下具有100%的成本效益概率。即使AI成本翻倍，该策略仍保持最高的NMB。

结果汇总

针对10万名50岁受邀女性的队列模拟显示，与标准筛查相比，所有AI策略均能改善临床结局。具体而言，单人类加AI策略通过筛查检出的癌症更多（4840例 vs 4621例），晚期癌症比例更低（11.9% vs 12.2%），癌症相关死亡更少（1506例 vs 1545例）。三重读片策略在临床指标上表现最佳（癌症死亡1491例，晚期癌11.6%），但经济性最差。

讨论与结论

研究人员在讨论中指出，用AI完全替代两名人类读者是极具成本效益的策略，每年可为NHS节省约2600万英镑。这一结论基于瑞典ScreenTrustCAD试验的高质量前瞻性数据，具有较强的外推性。研究的一大优势在于采用了自然病史模型，并首次在UK模型中明确考虑了癌症复发因素，从而更精准地评估了长期经济影响。

然而，研究也存在局限性。首先，AI许可成本基于英国监管机构的建议，可能与实际使用的瑞典系统存在差异，尽管敏感性分析表明成本翻倍仍不影响结论。其次，模型假设AI检出癌症的分期分布与标准筛查一致，未考虑AI可能导致过度诊断率变化的风险。此外，研究未模拟不筛查的基线情景，也未评估AI对患者参与度及焦虑情绪的影响。

综上所述，本经济学评价证实，在英国乳腺癌筛查项目中引入AI不仅可行，而且具有显著的成本节约潜力。尽管存在监管和实施层面的挑战，但这项研究为NHS在放射科医生短缺背景下优化筛查服务提供了强有力的决策依据。