Программное обеспечение с алгоритмами на основе искусственного интеллекта для выявления и анализа лёгочных узлов на КТ: систематический обзор и экономическая оценка

Введение: Рак лёгкого — один из наиболее распространённых видов рака и ведущая причина смерти от онкологических заболеваний в Великобритании. Для уменьшения числа пропущенных или неправильно диагностированных лёгочных узлов на изображениях, полученных при компьютерной томографии, разработано программное обеспечение на основе искусственного интеллекта.

Цель: Оценить точность, клиническую эффективность и экономическую целесообразность использования программного обеспечения с алгоритмами на основе искусственного интеллекта для выявления и анализа лёгочных узлов на компьютерных томограммах органов грудной клетки в сравнении с чтением изображений без такой помощи.

Дизайн: Систематический обзор и специально проведённый анализ экономической эффективности.

Методы: Поиск литературы проводили с 2012 года по январь 2022 года. Материалы, предоставленные компаниями, принимали до 31 августа 2022 года. Качество исследований оценивали с помощью пересмотренного инструмента оценки качества исследований диагностической точности (QUADAS-2), расширения QUADAS-2 для оценки риска систематической ошибки в сравнительных исследованиях точности (QUADAS-C) и контрольного перечня COnsensus-based Standards for the selection of health status Measurement INstruments (COSMIN). Результаты обобщали описательно. Для оценки экономической эффективности использовали две деревья решений: (1) простое дерево для выявления узлов, требующих дальнейшего ведения, и (2) дерево, отражающее полный клинический маршрут пациентов, которым выполняют компьютерную томографию органов грудной клетки. В моделях рассчитывали инкрементальные коэффициенты экономической эффективности, затраты на одно правильное выявление узла, требующего дальнейшего ведения, а также затраты на выявление и лечение одного случая рака. Проводили анализ сценариев и чувствительности.

Результаты: В обзор включили 27 исследований. Все исследования были оценены как имеющие высокий риск систематической ошибки. В 24 исследованиях использовали ретроспективные наборы данных. В 17 исследованиях сравнивали работу специалистов при наличии и отсутствии программного обеспечения на основе искусственного интеллекта. В одном исследовании сообщалось о результатах проспективного скрининга до и после внедрения программного обеспечения на основе искусственного интеллекта. В остальных исследованиях оценивали работу искусственного интеллекта отдельно либо приводили только несравнительные данные. (1) Вспомогательное использование искусственного интеллекта в целом повышало выявляемость любых узлов по сравнению с чтением изображений без такой помощи (три исследования; средняя чувствительность на одного человека составляла 0,43–0,68 при чтении без помощи и 0,79–0,99 при чтении с помощью искусственного интеллекта), при сходной или более низкой специфичности (три исследования; 0,77–1,00 без помощи и 0,81–0,97 при использовании искусственного интеллекта). Диаметр узлов при полуавтоматических измерениях был сходным или значительно больше, чем при ручных измерениях. Согласованность результатов при повторной оценке одним специалистом и между специалистами при измерении размеров узлов и классификации риска в целом повышалась при использовании искусственного интеллекта либо была сопоставима с таковой при чтении без помощи. Однако влияние искусственного интеллекта на точность измерений остаётся неясным. (2) В исследовательских условиях использование искусственного интеллекта в целом сокращало время, затрачиваемое рентгенологами на чтение изображений. (3) Вспомогательное применение искусственного интеллекта имело тенденцию к повышению категорий риска, определённых клиническими рекомендациями. (4) Релевантных исследований клинической эффективности и экономической эффективности не выявлено. (5) Специально проведённый анализ экономической эффективности показал, что в группах пациентов с симптомами и с случайно выявленными находками анализ изображений компьютерной томографии с помощью искусственного интеллекта был более экономически эффективным по показателю затрат на правильное выявление узла, требующего дальнейшего ведения, чем чтение рентгенологом без помощи искусственного интеллекта. Однако при учёте соответствующих затрат и лет жизни с поправкой на качество в рамках полного клинического маршрута чтение компьютерных томограмм с помощью искусственного интеллекта уступало чтению без такой помощи. В условиях скрининга анализ изображений компьютерной томографии с помощью искусственного интеллекта был экономически эффективным в основном анализе и во всех анализах чувствительности и сценариях.

Ограничения: Из-за неоднородности, малочисленности, низкого качества и низкой применимости данных о клинической эффективности, а также значительных трудностей при сопоставлении данных о точности теста с клиническими и экономическими исходами представленные результаты крайне неопределённы и скорее задают ориентиры и рамки для будущей оценки.

Выводы: Анализ изображений компьютерной томографии с помощью искусственного интеллекта может уменьшать вариабельность и повышать согласованность измерения лёгочных узлов и ведения пациентов. Искусственный интеллект способен повысить выявляемость узлов и рака, но может также увеличить число пациентов, которым без достаточных оснований проводят динамическое наблюдение с помощью компьютерной томографии. Прямых сравнительных данных, а также прямых данных о клинических исходах и экономической эффективности не обнаружено. Анализ изображений с помощью искусственного интеллекта может быть экономически эффективным при скрининге рака лёгкого, но не у пациентов с симптомами. Однако на основании имеющихся данных получить надёжные оценки экономической эффективности невозможно.

Регистрация исследования: Исследование зарегистрировано в PROSPERO под номером CRD42021298449.

Финансирование: Исследование профинансировано в рамках программы Evidence Synthesis Национального института исследований в области здравоохранения и медицинской помощи (NIHR), номер гранта NIHR135325, и полностью опубликовано в журнале Health Technology Assessment, том 29, № 14. Дополнительная информация о финансировании представлена на сайте NIHR Funding and Awards.