编辑推荐：
在健康技术经济评估领域，AI 的应用愈发重要，却面临诸多问题。研究人员围绕 AI 在基于 AI 的健康技术经济评估中的应用展开研究。结果表明，需明确技术特征、规范 AI 方法应用及完善报告标准。这为构建评估框架提供思路，推动行业发展。
在当今数字化浪潮中，人工智能（Artificial Intelligence，AI）就像一颗璀璨的新星，照亮了医疗健康领域的各个角落。从药物研发的精准筛选，到医疗管理的高效运作，AI 都展现出巨大的潜力。然而，在这看似一片光明的背后，却隐藏着一些亟待解决的问题。一方面，虽然 AI 在医疗领域的应用层出不穷，但对这些基于 AI 的健康技术进行经济评估的研究却少之又少。另一方面，目前还没有专门针对 AI - 基于的健康技术经济评估的健康技术评估（Health Technology Assessment，HTA）指南。在这样的背景下，开展对 AI 在基于 AI 的健康技术经济评估中的应用研究显得尤为迫切。
法国国家卫生管理局（French National Authority for Health，HAS）的研究人员 Salah Ghabri 针对这些问题展开了深入研究。研究发现，在对基于 AI 的健康技术进行经济评估时，明确这类技术的特征至关重要；AI 方法虽可用于经济评估的多个环节，但存在应用风险；目前经济评估报告存在诸多不足，需完善报告标准。该研究为健康经济结果研究人员（Health Economic Outcome Researchers，HEORs）和 HTA 机构构建严谨的经济评估框架提供了思路，对推动基于 AI 的健康技术的合理应用和发展具有重要意义，相关成果发表在《PharmacoEconomics》上。
研究人员主要运用了文献研究和分析的方法。通过检索大量已发表的研究，获取关于 AI 在医疗领域应用以及经济评估方面的信息；同时参考相关机构发布的立场声明、指南等资料，综合分析 AI 在健康技术经济评估中的应用现状、存在问题及解决方案。
如何定义基于 AI 的健康技术？
AI 并非具体的干预措施，而是涵盖多种算法的统称。机器学习（Machine Learning，ML）可通过识别数据模式进行预测，深度学习（Deep Learning，DL）作为 ML 的高级形式，基于多层神经网络实现 “无监督学习”，近年来生成式人工智能（generative AI，gen AI），如大型语言模型（Large Language Models，LLMs），更是推动了复杂流程的自动化。在经济评估中，要区分创新健康技术与 AI 技术过程。基于 AI 的健康技术具有适应性强、学习曲线明显、对医疗实践有组织影响、定价动态等特点，与传统药物不同，其版本更新快，需进行动态经济评估。此外，这类技术虽能促进患者自主管理，但可能导致医疗资源获取不均。
如何将 AI 方法纳入经济建模？
AI 方法可应用于经济评估的多个环节。LLMs 可辅助系统评价，如生成检索策略、提取文献信息，但需人工审核确保质量。当前 LLMs 还可用于构建经济决策模型，ML 方法能模拟临床路径、探索复杂医疗路径。AI 通过处理大型数据库，有助于确定成本效益参数和探索结构不确定性。然而，临床医生、HEOR 和 HTA 机构对这些技术的应用存在知识短板，需加强培训，同时要建立标准化质量控制框架，确保数据和模型的可靠性。目前完全依赖 gen AI 自动化建模过程还不成熟，复杂决策模型的自动化构建仍需进一步发展。
如何报告基于 AI 的技术的经济评估？
两项系统回顾指出，当前基于 AI 的医疗干预经济评估报告存在关键要素报告不透明、未考虑医疗技术特殊特征等问题。为此，研究人员开发了 CHEERS - AI 清单，在标准 CHEERS 清单基础上新增 10 个 AI 特定项目，用于规范成本效益分析（Cost - Effectiveness Analysis，CEA）报告。此外，HTA 指南还应考虑网络安全、伦理等方面的报告内容，确保 AI 应用的全面性和透明度。
研究结论强调，对包括 AI 在内的健康技术进行经济评估具有技术前景，但在引入 AI 时，要综合考虑监管、网络安全、伦理、环境和公平性等因素。HEOR 社区和 HTA 机构应提升 AI 方法的知识和技能，以提高经济评估的质量，规避 AI 工具误用带来的风险。该研究为后续相关研究和实践提供了重要参考，有助于推动基于 AI 的健康技术在合理经济评估的基础上，更好地服务于医疗健康领域，实现技术与经济的平衡发展。
