Cost-effectiveness of immediate prioritisation of chest X-rays using artificial intelligence in lung cancer in England: the LungIMPACT study
这项针对 LungIMPACT 研究的健康经济学分析得出结论，在英格兰使用人工智能来优先处理肺癌胸部 X 光片的做法，与仅使用人工智能辅助解读或现有实践相比并不具备成本效益，因为它在增加了成本的同时并未缩短诊断时间。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，人体就像一座繁忙的城市，而在那座城市内部，一个沉默、狡猾的捣蛋鬼正试图安营扎寨：那就是肺癌。这个捣蛋鬼非常狡猾，因为在早期阶段，它不会制造太大的动静。它不会大声呼救吸引注意力，而只是发出一些细微的声音，比如引起一点咳嗽或让人感到些许疲劳，而人们往往会忽略这些症状。由于它如此安静，它通常只有在长得又大又强壮之后才会被发现，这使得它变得更难被击败。
为了及早抓住这个捣蛋鬼，医生们使用了一种特殊的“X射线照相机”，叫做胸部X光检查（CXR）。这就像是快速拍摄一张城市天际线的快照，看看是否正在形成暗云。每年在英格兰，全科医生（GPs）都会向放射科发送数百万张这样的快照。但问题在于，放射科就像是一个巨大的、溢出来的邮寄室。每天都有成千上万张照片到达，负责阅读这些照片的医生（放射科医生）必须逐一处理这些堆积如山的影像。如果一个危险的云团隐藏在这一叠照片中间，它可能会在医生查看那些无害照片的过程中被遗漏或延误。
最近，科学家们发明了一个数字助手：人工智能（AI）。把这个AI想象成一个超快速的机器人助手，它可以瞬间扫描每一张照片。它的工作是发现那些“暗云”（可疑斑点）并大喊：“嘿！先看这个！”这被称为“优先级排序”。大家普遍想要回答的问题是：如果我们让这个机器人助手通过“大喊大叫”并将可怕的照片移到队伍的最前面，它是否真的能帮助更快地抓到那个捣蛋鬼，而不会让医疗服务系统花费巨额成本？这就是LungIMPACT研究的故事，该研究试图查明这个高科技“排序帽”是否真的物有所值。
伟大的排序实验
在英格兰，一项名为LungIMPACT的大规模实验启动了，旨在测试这个想法。研究人员收集了近87,000名在拜访全科医生后进行胸部X光检查的患者数据。他们将这些患者分为两组，以观察会发生什么。
在第一组中，AI被开启来进行它的“大喊”工作。它扫描X光片并标记出看起来可疑的影像，告诉人类医生：“优先处理这些！立即阅读它们！”在第二组中，AI也被用来辅助阅读图像，但它被要求保持安静。它不会大喊大叫或将照片移到最前面；医生只是按照照片到达的顺序进行阅读，同时将AI作为第二意见。
目标很简单：看看“大喊组”是否能更快获得诊断。如果AI能缩短从拍摄X光片到发现某人患有肺癌的时间，那对患者来说将是一个巨大的胜利。但有一个限制条件。研究人员还必须计算金钱。他们核算了每一分钱的支出：X光检查的费用、CT扫描的费用、额外的测试费用，甚至包括租赁AI软件的费用以及将其接入医院电脑系统的成本。
令人惊讶的结果：机器人并没有拯救局面
在对数据进行分析后，研究结果可能会让你感到惊讶。那个“大喊”的AI并没有显著加快诊断速度。
以下是情况分析：
- 时间： 获得诊断所需的时间在两组之间几乎相同。在AI通过“大喊”来优先处理照片的小组中，平均诊断时间约为75天。在AI仅辅助阅读而不“大喊”的小组中，时间约为77天。这微小的差异不足以说明“大喊”的AI实际上产生了实质性的影响。
- 金钱： 由于AI软件需要授权费用，且安装到医院电脑系统中也需要成本，因此“大喊”组实际上让医疗服务系统支出了更多资金。研究计算出，与仅使用AI而不使用其“大喊”功能相比，使用优先级排序功能为每位患者增加了约1英镑的成本。
当研究人员审视整个英格兰的大局时，数学计算变得更加严酷。如果英格兰的每一位全科医生（每年订购约220万张X光片）都使用AI来优先处理X光片，那么仅仅为了获得那极其微小的、几乎不存在的时间节省，NHS（英国国家医疗服务体系）每年就要多花220万英镑。如果将这种AI方法与传统做法（完全不使用AI）相比，成本将增加到每年1600万至3500万英镑之间。
为什么它没有奏效？
研究人员认为，问题不在于AI本身，而在于它试图提供帮助的地方。想象一下一条交通拥堵的高速公路。如果你有一架直升机可以识别出行驶最慢的车辆并告诉它们进入快车道，这很棒。但如果整条高速公路因为车道不足或管理交通的警察不够而陷入瘫痪，那么把一辆车移到最前面并不能缓解交通拥堵。
在肺癌诊断的情况下，“交通拥堵”发生在X光检查之后。即使AI将可疑的X光片移到了队伍的最前面，患者仍然需要等待CT扫描，然后等待专家查看结果，接着还要等待医疗团队讨论决定治疗方案。研究发现，AI无法解决X光片被读取之后出现的瓶颈问题。由于系统已经非常繁忙，即使将X光片移到最前面，也无法让整个流程变快。
总结
研究结论是，至少目前来看，使用AI来立即优先处理胸部X光片并不是一项好的资金用途。它的成本高于它所节省的成本，而且实际上并没有让患者更快得到诊断。
作者的观点非常明确：他们并不是说AI永远没用，而是说这种特定的使用方式——通过“大喊”将X光片移到队伍最前面——其效果不足以证明其成本是合理的。研究建议，与其把数百万英料花在这个特定的工具上，医疗服务机构通过修复流程中的其他环节可能会获得更好的效果，例如聘请更多员工，或者确保有足够的CT扫描仪和医生来处理一旦患者被标记后的后续工作。
简而言之，这个机器人助手试图通过大喊“先看我！”来扮演英雄，但团队中的其他成员太忙了，根本顾不上听。在整个团队能够协同行动变快之前，仅仅在队伍最前面大喊大叫是解决不了问题的。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。