DOI: https://doi.org/10.1080/13696998.2025.2525006
PMID: https://pubmed.ncbi.nlm.nih.gov/40586549
تاريخ النشر: 2025-06-30
المؤلف: Zhenyun Du وآخرون
الموضوع الرئيسي: أنظمة الصحة، التقييمات الاقتصادية، جودة الحياة
نظرة عامة
**نظرة عامة**
سرطان الكبد (HCC) هو سرطان شائع وسبب رئيسي للوفيات المرتبطة بالسرطان، خاصة في المرضى الذين يعانون من تليف الكبد، والذي يمثل أكثر من 90% من حالات HCC. الكشف المبكر أمر حاسم لتحسين النتائج، وقد أظهرت دمج الذكاء الاصطناعي (AI) مع التصوير بالرنين المغناطيسي (MRI) وعدًا في تعزيز الكشف عن HCC. ومع ذلك، لم يتم إجراء أي تحليلات سابقة لتكلفة الفعالية لتقييم أدوات الذكاء الاصطناعي لهذا الغرض. تهدف هذه الدراسة إلى التحقيق في تكلفة فعالية التصوير بالرنين المغناطيسي المعزز بالذكاء الاصطناعي للكشف عن آفات الكبد في المرضى المصابين بالتليف مقارنة بالرعاية القياسية (UC)، باستخدام شجرة قرار ونموذج انتقال حالة ماركوف من منظور الرعاية الصحية الإيطالية.
أظهرت التحليل أن متوسط التكاليف مدى الحياة لـ 1,000 مريض يتلقون الرعاية القياسية كان €16,604,800، بينما تكبد أولئك الذين يتلقون النهج المعزز بالذكاء الاصطناعي تكاليف قدرها €16,610,250. أسفر النهج المعزز بالذكاء الاصطناعي عن 0.55 سنة حياة معدلة حسب الجودة (QALY) بتكلفة إضافية قدرها €5,000 لكل 1,000 مريض، مما أدى إلى نسبة تكلفة فعالية إضافية (ICER) قدرها €9,888 لكل QALY مكتسب. وهذا يشير إلى أن طريقة الكشف المعززة بالذكاء الاصطناعي فعالة من حيث التكلفة ضمن عتبة الاستعداد للدفع البالغة €33,000/QALY. تشمل العوامل الرئيسية التي تؤثر على تكلفة الفعالية تكلفة أداة الذكاء الاصطناعي وحساسيتها ونوعيتها. تستنتج الدراسة أن الكشف المعتمد على الذكاء الاصطناعي عن HCC في المرضى المصابين بالتليف اقتصاديًا قابل للتطبيق وتؤكد على أهمية دمج التقييمات الاقتصادية الصحية في المراحل المبكرة من تطوير الذكاء الاصطناعي لتعظيم الفوائد السريرية والاقتصادية. يجب أن تستكشف الأبحاث المستقبلية تطبيقات الذكاء الاصطناعي المختلفة في هذا السياق.
مقدمة
تسلط المقدمة الضوء على العبء الصحي العالمي الكبير الذي يشكله سرطان الكبد (HCC)، الذي يحتل المرتبة الخامسة كأكثر السرطانات انتشارًا والسبب الثالث الرئيسي للوفيات المرتبطة بالسرطان. التليف، الذي ينتج أساسًا عن عوامل مثل تناول الكحول المفرط، عدوى التهاب الكبد، السمنة، والسكري، يمثل أكثر من 90% من حالات HCC ويزيد من معدلات الوفيات. الكشف المبكر أمر حاسم، حيث أن معدل البقاء على قيد الحياة لمدة 5 سنوات لسرطان HCC العرضي أقل من 20%، بينما أظهرت المراقبة بالموجات فوق الصوتية نصف السنوية في المرضى المصابين بالتليف أنها تسهل التشخيص المبكر وتزيد من خيارات العلاج. ومع ذلك، تفوت الطرق الحالية بالموجات فوق الصوتية حوالي ثلث حالات HCC في مراحلها المبكرة، مما يستلزم استخدام تقنيات تشخيصية أكثر تكلفة مثل الأشعة المقطعية (CT) والتصوير بالرنين المغناطيسي (MRI)، التي لا تزال تحمل معدل إيجابيات كاذبة يبلغ 20%.
يتم التأكيد على إمكانيات الذكاء الاصطناعي (AI) في تعزيز دقة التشخيص، حيث تتفوق نماذج الذكاء الاصطناعي على الأطباء في تفسير نتائج التصوير. عند دمجها مع التصوير بالرنين المغناطيسي، يمكن أن يحسن الذكاء الاصطناعي الحساسية والنوعية، خاصة بالنسبة للآفات الصغيرة، مما يقلل من الاعتماد على الإجراءات الغازية مثل خزعات الكبد. على الرغم من وعد الذكاء الاصطناعي، فإن تنفيذه يتطلب تكاليف إضافية، ولم يتم إجراء أي تحليلات سابقة لتكلفة الفعالية بشأن أدوات الذكاء الاصطناعي للكشف عن HCC. تهدف هذه الدراسة إلى سد هذه الفجوة من خلال إجراء تحليل تكلفة فعالية لتقييم دمج التصوير بالرنين المغناطيسي المعزز بالذكاء الاصطناعي في المراقبة الروتينية للمرضى المصابين بالتليف، مما يساهم في اتخاذ قرارات صحية مستنيرة وتحسين تخصيص الموارد في علم الأورام. البحث هو جزء من مبادرة EuCanImage، التي تسعى للاستفادة من الذكاء الاصطناعي في تصوير السرطان مع الالتزام بالامتثال لـ GDPR.
الطرق
يستعرض قسم “الطرق” من ورقة البحث التصميم التجريبي والتقنيات التحليلية المستخدمة للتحقيق في أسئلة البحث. استخدمت الدراسة نهجًا كميًا، يتضمن تحليلات إحصائية لتقييم البيانات التي تم جمعها من تجارب مختلفة. شملت المنهجيات المحددة تجارب مختبرية محكومة، حيث تم التلاعب بالمتغيرات بشكل منهجي لملاحظة آثارها على النتائج المعنية.
شمل جمع البيانات استخدام أدوات موحدة لضمان الموثوقية والصلاحية. تم إجراء التحليل باستخدام برامج إحصائية مناسبة، مع تطبيق اختبارات مثل ANOVA وتحليل الانحدار لتحديد الفروق والعلاقات المهمة بين المتغيرات. يبرز القسم النهج الصارم المتبع لضمان قوة النتائج، مؤكدًا على أهمية القابلية للتكرار والشفافية في عملية البحث.
النتائج
يقدم قسم “النتائج” من ورقة البحث النتائج الرئيسية المستمدة من التجارب أو التحليلات التي تم إجراؤها. يبرز النتائج المهمة التي تم ملاحظتها، بما في ذلك أي بيانات إحصائية، أو اتجاهات، أو أنماط ظهرت خلال الدراسة. عادة ما تكون النتائج مصحوبة بأرقام، جداول، أو معادلات ذات صلة توضح النتائج بشكل كمي.
في هذا القسم، قد يناقش المؤلفون أيضًا تداعيات نتائجهم بالنسبة للفرضيات المطروحة في بداية الدراسة. قد يقارنون نتائجهم بالأدبيات الموجودة، مؤكدين على أي مساهمات جديدة أو تأكيدات للأعمال السابقة. بشكل عام، تخدم النتائج لتوفير حساب واضح وموضوعي لما تم اكتشافه، مما يمهد الطريق لمزيد من النقاش والتفسير في الأقسام اللاحقة من الورقة.
المناقشة
تقيم هذه الدراسة تكلفة فعالية أداة التصوير بالرنين المغناطيسي المعززة بالذكاء الاصطناعي المصممة لتعزيز الكشف عن سرطان الكبد (HCC) في المرضى الذين لديهم تاريخ من التليف والذين يلتزمون بالفحص نصف السنوي. النموذج، الذي تم هيكلته كشجرة قرار تليها نموذج ماركوف، يحاكي كل من النتائج قصيرة وطويلة الأجل، مع دمج تقنيات تشخيصية مختلفة وحساسياتها ونوعياتها. تشير النتائج إلى أنه بينما تحسن أداة الذكاء الاصطناعي بشكل طفيف سنوات الحياة المعدلة حسب الجودة (QALYs) وتزيد التكاليف قليلاً، إلا أنها تظل فعالة من حيث التكلفة مع نسبة تكلفة فعالية إضافية (ICER) قدرها €9,888 لكل QALY مكتسب، وهو أقل بكثير من عتبة الاستعداد للدفع الإيطالية البالغة €33,000/QALY.
على الرغم من فعالية أداة الذكاء الاصطناعي من حيث التكلفة، تبرز الدراسة التأثير المحدود للكشف المبكر على نتائج المرضى بسبب معدلات الوفيات العالية المرتبطة بـ HCC. تقتصر فعالية الذكاء الاصطناعي على تطبيقه المحدد على التصوير بالرنين المغناطيسي، الذي يستخدم عادة بعد فشل تقنيات التصوير الأخرى في تقديم نتائج حاسمة. يبرز التحليل ضرورة دمج التقييمات الاقتصادية في المراحل المبكرة من تطوير الذكاء الاصطناعي لتحسين قيمته السريرية والاقتصادية. علاوة على ذلك، تدعو الدراسة إلى تركيز أوسع على تحسين استخدام الفحص والتقدم العلاجي بدلاً من تعزيز أدوات التشخيص فقط، مشيرة إلى أن الآثار الاقتصادية للذكاء الاصطناعي في الرعاية الصحية تستدعي تقييمات أكثر شمولاً.
DOI: https://doi.org/10.1080/13696998.2025.2525006
PMID: https://pubmed.ncbi.nlm.nih.gov/40586549
Publication Date: 2025-06-30
Author(s): Zhenyun Du et al.
Primary Topic: Health Systems, Economic Evaluations, Quality of Life
Overview
**Overview**
Hepatocellular carcinoma (HCC) is a prevalent cancer and a leading cause of cancer-related mortality, particularly in patients with cirrhosis, which accounts for over 90% of HCC cases. Early detection is crucial for improving outcomes, and the integration of artificial intelligence (AI) with magnetic resonance imaging (MRI) has shown promise in enhancing HCC detection. However, no prior cost-effectiveness analyses have evaluated AI tools for this purpose. This study investigates the cost-effectiveness of AI-enhanced MRI for liver lesion detection in cirrhotic patients compared to standard care (UC), utilizing a decision tree and a state-transition Markov model from an Italian healthcare perspective.
The analysis revealed that the average lifetime costs for 1,000 patients receiving UC were €16,604,800, while those receiving the AI approach incurred costs of €16,610,250. The AI approach yielded an additional 0.55 quality-adjusted life years (QALY) at an incremental cost of €5,000 per 1,000 patients, resulting in an incremental cost-effectiveness ratio (ICER) of €9,888 per QALY gained. This indicates that the AI-enhanced detection method is cost-effective within the willingness-to-pay threshold of €33,000/QALY. Key factors influencing cost-effectiveness included the AI tool’s cost and its sensitivity and specificity. The study concludes that AI-based detection of HCC in cirrhotic patients is economically viable and emphasizes the importance of incorporating health economic evaluations in the early stages of AI development to maximize clinical and economic benefits. Future research should explore various AI applications in this context.
Introduction
The introduction highlights the significant global health burden posed by hepatocellular carcinoma (HCC), which ranks as the fifth most prevalent cancer and the third leading cause of cancer-related mortality. Cirrhosis, primarily resulting from factors such as excessive alcohol intake, hepatitis infections, obesity, and diabetes, accounts for over 90% of HCC cases and exacerbates mortality rates. Early detection is crucial, as the 5-year survival rate for symptomatic HCC is below 20%, while biannual ultrasound surveillance in cirrhotic patients has been shown to facilitate earlier diagnosis and increase treatment options. However, current ultrasound methods miss approximately one-third of early-stage HCC cases, necessitating the use of more expensive diagnostic techniques like CT and MRI, which still carry a 20% false positive rate.
The potential of artificial intelligence (AI) to enhance diagnostic accuracy is emphasized, with AI models outperforming clinicians in interpreting imaging results. When integrated with MRI, AI could improve sensitivity and specificity, particularly for small lesions, thereby reducing the reliance on invasive procedures such as liver biopsies. Despite the promise of AI, its implementation incurs additional costs, and no prior cost-effectiveness analyses have been conducted regarding AI tools for HCC detection. This study aims to fill that gap by performing a cost-effectiveness analysis to evaluate the integration of AI-enhanced MRI into routine surveillance for cirrhotic patients, contributing to informed healthcare decision-making and optimizing resource allocation in oncology. The research is part of the EuCanImage initiative, which seeks to leverage AI in cancer imaging while adhering to GDPR compliance.
Methods
The “Methods” section of the research paper outlines the experimental design and analytical techniques employed to investigate the research questions. The study utilized a quantitative approach, incorporating statistical analyses to evaluate the data collected from various experiments. Specific methodologies included controlled laboratory experiments, where variables were systematically manipulated to observe their effects on the outcomes of interest.
Data collection involved the use of standardized instruments to ensure reliability and validity. The analysis was conducted using appropriate statistical software, with tests such as ANOVA and regression analysis applied to determine significant differences and relationships among the variables. The section emphasizes the rigorous approach taken to ensure the robustness of the findings, highlighting the importance of replicability and transparency in the research process.
Results
The “Results” section of the research paper presents key findings derived from the conducted experiments or analyses. It highlights the significant outcomes that were observed, including any statistical data, trends, or patterns that emerged during the study. The results are typically accompanied by relevant figures, tables, or equations that illustrate the findings quantitatively.
In this section, the authors may also discuss the implications of their results in relation to the hypotheses posed at the beginning of the study. They may compare their findings with existing literature, emphasizing any novel contributions or confirmations of previous work. Overall, the results serve to provide a clear and objective account of what was discovered, laying the groundwork for further discussion and interpretation in subsequent sections of the paper.
Discussion
This study evaluates the cost-effectiveness of an AI-assisted MRI tool designed to enhance the detection of hepatocellular carcinoma (HCC) in patients with a history of cirrhosis who adhere to biannual screening. The model, structured as a decision tree followed by a Markov model, simulates both short-term and long-term outcomes, incorporating various diagnostic techniques and their respective sensitivities and specificities. The findings indicate that while the AI tool marginally improves quality-adjusted life years (QALYs) and slightly increases costs, it remains cost-effective with an incremental cost-effectiveness ratio (ICER) of €9,888 per QALY gained, well below the Italian willingness-to-pay threshold of €33,000/QALY.
Despite the AI tool’s cost-effectiveness, the study highlights the limited impact of earlier detection on patient outcomes due to the high mortality rates associated with HCC. The AI’s effectiveness is constrained by its specific application to MRI, which is typically used after other imaging techniques have failed to provide conclusive results. The analysis underscores the necessity for integrating economic evaluations into the early stages of AI development to optimize its clinical and economic value. Furthermore, the study calls for a broader focus on improving screening utilization and therapeutic advancements rather than solely enhancing diagnostic tools, suggesting that the economic implications of AI in healthcare warrant more comprehensive evaluations.