《GeroScience》：Evaluating dementia risk prediction in mild cognitive impairment: an early health technology assessment of the AI-Mind tool
編輯推薦：
本研究聚焦于癡呆預防的嚴峻挑戰，針對輕度認知功能障礙（MCI）患者向癡呆轉化的風險預測這一臨床痛點。為評估新興的基于AI的預測工具（如AI-Mind）的潛在經濟價值，研究人員構建了一個決策分析模型，比較了現行臨床實踐與引入預測工具兩種策略的成本和效果。研究結果表明，在沒有高效疾病修飾治療的情況下，單獨使用風險預測工具可能不具有成本效益；然而，若與療效和成本俱佳的治療策略結合使用，則可能成為具有成本效益的替代方案。這項工作為相關工具的早期研發與市場定價提供了關鍵的循證決策依據。
癡呆癥是全球老年人群致殘的主要原因之一，它不僅給患者帶來沉重的身心負擔，也對其家庭照護者和整個社會構成了巨大的經濟壓力。全球每年因癡呆產生的經濟成本高達1.3萬億美元。目前，癡呆的治療手段主要集中在暫時緩解癥狀和干預已知的可調控風險因素上，尚無能夠治愈該疾病的療法。一個關鍵的前驅階段是輕度認知功能障礙（MCI），其特征是認知功能出現超出年齡預期的衰退，但尚未嚴重到顯著干擾日常生活。研究表明，在確診為MCI的患者中，高達40%的人會在5年內進展為癡呆。然而，現有的臨床實踐往往缺乏有效的工具來精準區分哪些MCI患者會快速進展，哪些會保持穩定，這使得預防和干預措施的靶向性大打折扣。在這一背景下，早期識別高風險個體、進行準確的預后預測，對于指導治療決策、優化資源配置、減輕患者焦慮和規劃未來護理至關重要。
由歐盟資助的AI-Mind項目應運而生，它旨在開發一種人工智能（AI）驅動的預測工具，通過整合血液生物標志物、社會人口學變量、數字認知測試分數和腦電圖（EEG）等多種數據，來準確評估MCI個體向癡呆轉化的風險。但一個核心問題隨之而來：在臨床實踐中引入這樣一套風險預測系統，從長遠來看，是否具有經濟上的合理性或成本效益？畢竟，任何新技術的推廣都必須考量其帶來的健康收益與所花費的醫療成本之間的平衡。為此，研究人員開展了一項早期衛生技術評估（Health Technology Assessment, HTA），旨在評估實施此類預測工具與當前標準臨床實踐相比的潛在成本效益。這項研究發表在了《GeroScience》期刊上。
為了回答這個問題，研究人員采用了一種結合了決策樹和馬爾可夫（Markov）模型的決策分析模型。研究的目標人群是經過神經心理學測試、實驗室評估和磁共振成像（MRI）確診的MCI患者。模型模擬了從風險預測、信息告知、隨訪、治療到疾病長期進展的全過程，并比較了兩種策略：一種是現行臨床實踐（僅提供一般性的預后信息），另一種是采用AI-Mind等預測工具進行個體化風險預測。模型輸入了包括診斷與預后測試成本、不同健康狀態（MCI、輕度/中度/重度癡呆）的醫療成本和效用值、預測工具的敏感性與特異性、以及可能的疾病修飾治療效果等多種參數。特別值得一提的是，研究還通過一項離散選擇實驗專門獲取了接收不同風險預測結果（高風險、中等風險、低風險）對患者生活質量（以效用值衡量）的影響數據，并將其納入模型。為了適應不同醫療環境和預測工具的可變性，研究團隊還開發了一個交互式在線儀表盤，允許用戶自定義多種參數。
研究方法
研究人員開發了一個決策分析模型來評估實施MCI向癡呆轉化風險預測工具的潛在成本效益。該模型結合了短期臨床路徑的決策樹和模擬長期疾病進展的馬爾可夫模型。目標人群為確診的MCI患者。模型輸入參數涵蓋了診斷測試、人員參與、治療、隨訪等患者軌跡的各個方面，以及相關的概率、成本和效用值。為了靈活適配不同場景，研究還創建了一個交互式在線儀表盤。研究以AI-Mind工具為應用案例進行了分析。
結果
基準案例分析
在假設預測敏感性和特異性為95%、預測期為5年且無可用治療的情況下，現行臨床實踐是主導策略，其成本更低（115,032歐元 vs. 115,928歐元），獲得的質量調整生命年（Quality-Adjusted Life Years, QALYs）更高（9.36 vs. 9.32）。QALYs的減少主要歸因于接收到高風險預測信息對生活質量產生的負面影響。
空間分析與情景分析
- 1.
預測期影響：當預測期縮短至2年（仍假設95%敏感性和特異性）時，引入AI-Mind策略會獲得略高的QALYs（9.40 vs. 9.36），但其增量成本效益比（ICER）為20,133歐元/QALY，略高于預設的支付意愿閾值（20,000歐元/QALY）。若預測性能降至80%，則現行實踐仍是主導策略。
- 2.
結合治療策略：
- •
情景a（基于嚴格生物標志物標準的靶向治療，如lecanemab，僅約8%患者符合條件）：在所有分析中，現行臨床實踐都是更具成本效益的選擇。
- •
情景b（不考慮生物標志物狀態、治療成本較低的普適性治療）：若預測工具能達到95%的敏感性和特異性，則AI-Mind策略在5年和2年預測期下均成為主導策略（成本更低、QALYs更高）。但若預測性能為80%，則AI-Mind策略不再具有成本效益。
- 3.
與更廣泛診斷流程的比較：當現行實踐包含更廣泛的診斷測試（如腦脊液CSF和正電子發射斷層掃描PET）時，若AI-Mind工具能達到95%的敏感性和特異性且預測期為2年，它將成為主導策略。閾值分析顯示，在此情景下，AI-Mind工具每位患者的最高成本可達447歐元（主導策略）或1246歐元（成本效益策略）。
敏感性分析
確定性敏感性分析表明，MCI向癡呆的轉化率、預測工具的敏感性與特異性，以及與風險預測相關的效用值/負效用值，都對兩種策略間的增量QALYs有顯著影響。轉化率和預測工具性能對增量成本也有一定影響。
結論與討論
本研究表明，在當前缺乏廣泛適用且高效疾病修飾治療的臨床條件下，單獨實施類似AI-Mind的癡呆風險預測工具不太可能成為具有成本效益的替代方案，主要是因為接收到轉化風險信息（尤其是高風險信息）對生活質量造成的總體負面影響。然而，在特定條件下，風險預測工具有可能成為比現行實踐更具成本效益的選擇。這主要取決于幾個關鍵因素：預測工具的準確性能否達到高水平（如95%的敏感性和特異性）、是否與有效的靶向治療策略相結合、以及治療的可及性和成本。 例如，當存在一種普適性且成本較低的治療方法，并且預測工具能精準識別高風險人群以進行靶向干預時，預測工具的價值才能凸顯。
本研究通過早期HTA為AI-Mind等預測工具的進一步開發和定價提供了重要信息。它明確了工具實現成本效益所需滿足的條件（如預測性能、治療可用性），能夠引導研發方向。研究還強調了接收預后信息對患者生活質量的影響是評估成本效益時不可忽視的關鍵因素。盡管存在一些局限性（如未區分癡呆亞型、對治療效果的建模相對簡化、成本數據基于荷蘭體系等），但通過提供的交互式儀表盤，該模型能夠靈活應用于不同醫療環境和預測工具的評估。最終，研究建議在考慮進一步開發和實施此類預測工具前，應結合當地可用的治療選擇和成本，審慎評估那些顯示出成本效益前景的臨床情景的實際相關性。
