继2022版的综合卫生经济评价报告标准（CHEERS 2022）的进展及其内容清单发布后，近日，国际药物经济学与结果研究协会（ISPOR）又进一步发表了有关人工智能（AI）技术的综合卫生经济评价报告标准（简称CHEERS-AI），突出了AI技术评价的特点，并将原有的28项评价指标增加到38项，为今后发展各种AI技术和治疗干预措施经济学评价提供参考。

AI技术评估的特点

AI技术在医疗卫生服务中是一个快速发展的领域。AI设备的价值需要进行卫生技术评估，但AI评价要比药品评价复杂得多。首先由于AI的试验组往往缺乏一致性， 难于界定干预组与标准治疗组的参照比较。采用卫生经济学模型评价的设计需要适应AI工具的预期应用，由卫生技术评估专家与AI专家及临床医生一起，将所有可能的参照方式进行比较。其次是AI有较多的间接成本，包括辅助人员、信息技术人员的劳务成本，信息数据的收集、储存和处理成本。这与药品评价中的成本计算有很大的不同。AI节省了医疗工作时间，但也可能易产生假阳性结果或过度诊断。再者是AI的效率会随着资料数据的累积和操作的改进而与时俱进，需要用动态的方法去分析效果的变化。

越来越多的决策机构可能面临使用AI系统的干预措施，鉴于AI驱动的能力往往是复杂的，可能会影响干预的成本效果。

而对基于AI干预措施的经济学评估系统综述和最近更新的评估都得出这样的结论：AI的进步似乎比评估的实践发展得更快。

CHEERS-AI演变

ISPOR报告了CHEERS-AI综合卫生经济评价报告标准的发展过程。CHEERS-AI的目的是扩大原来的CHEERS 2022声明，提出与AI有关的重要细微差别，并在适当的情况下引入新的AI专用报告项目。CHEERS-AI 的主要目标对象是卫生经济学家，用在基于AI干预措施的经济评估报告。另外，对医疗保健决策者、卫生技术评估机构、杂志期刊编辑和同行评审人员也提供了有用的AI研究的特定评审标准。

 CHEERS-AI的研发基于CHEERS 2022的研究清单指标，并通过伦理委员会的批准。共包含38个指标，即原CHEERS中的28个指标（其中8个指标还进行了AI内容的补充），再引进10个专属AI的指标。

更多AI干预措施评价

这份CHEERS-AI报告的清单确保有关AI干预措施的性质，分析对AI干预措施影响经济学评价的重要细节，以透明和可重复的方式提供报告。CHEERS-AI还将支持审查人员和政策决策者对AI研究开展比较。随着AI技术在医疗保健领域的发展，AI技术经济评估报告的标准化将得以提高。

目前AI干预措施正在飞速发展，除了本文介绍的AI综合卫生经济评价报告清单外，还有其他很多方法正在研究和应用中。如AI个体预后或诊断的多变量模型的透明报告（TRIPOD-AI）（2021）; AI预测模型风险的偏倚评估工具（PROBAST-AI）（2021）;AI干预试验标准方案的建议（SPIRIT-AI）（2021）； AI试验报告的标准（CONSORT-AI）（2020）， 使AI的研究能够更加透明和可重复。

为了开展不同AI干预措施之间的评价，ISPOR特别专家小组还提出了一个最少需要信息的数字健康评估框架（minimum information framework），称为数字健康干预的PICOTS-ComTeC评价框架。该框架建立在PICOS原则的基础上，包含9个一级指标（人口、干预、比较、结果、时机、设置、沟通、技术、背景）, 和29个二级指标，简称 PICOTS-ComTeC 框架。该框架用于面对患者数字健康干预措施（digital health interventions, 简称DHI）的结果研究。

总之，目前AI研究报告的质量评价工具日益增多，需要卫生技术评估、药物经济学和AI专家投入更多的精力熟悉各种评价工具，为数智技术的发展贡献一份力量。

此内容为《医药经济报》融媒体平台原创。未经《医药经济报》授权，不得以任何方式加以使用， 包括转载、摘编、复制或建立镜像。如需获得授权请事前主动联系：020-37886610或020-37886753；yyjjb@21cn.com。