用于冠状动脉重建的人工智能临床决策支持系统的健康经济学模拟建模

更聪明的心脏护理选择

严重冠状动脉狭窄的患者常面临在药物治疗、微创导管介入或开胸手术之间作出艰难选择。本研究提出了一个简单但重要的问题：如果医生能得到一个强大人工智能（AI）工具的帮助——该工具能预测未来的健康结局和费用——是否能在改善患者生活质量的同时为卫生系统节省开支？研究者利用来自数万名加拿大小动脉疾病患者的真实数据，表明AI指南往往会建议与实际治疗不同的方案——而这些改变既能改善结局，又能降低支出。

患病心脏的三条不同路径

当供血心脏的动脉变窄时，医生通常考虑三种主要选项。一是仅用药物，通过药物控制症状和风险因素；二是通过导管的介入手段从血管内打开堵塞；三是搭桥手术，用身体其他部位取来的血管绕过堵塞的动脉。大型临床试验在特定患者群体中比较过这些选择，但现实世界的病例常比研究入组人群更加复杂。年龄、合并疾病、解剖结构和个人偏好都会使选择变得不明朗，迫使医生和患者在不确定中做出判断。

AI系统的实际功能

研究团队评估了名为 Revaz AI 的AI决策支持系统。该系统以来自加拿大阿尔伯塔省超过42,000名接受心脏动脉影像检查患者的数据进行训练。对于每位新患者及每种三类治疗方案，Revaz AI 预测在未来三年和五年内死亡或发生重大心脏相关事件的概率。研究者随后将这些预测输入一个详细的计算模型，跟踪每位患者余生，记录两项内容：护理成本和以“质量调整生命年”（QALYs）衡量的健康时间，这是将寿命长短与生活质量合并为单一指标的标准方法。

测试医生可能使用AI的不同方式

研究利用25,942名真实患者的病历，在虚拟舞台上重演历史。对每个人，模型模拟在Revaz AI 风险预测指导下三种治疗下会发生的情况，然后将这些模拟未来与实际发生的情形进行比较，按三种设想的医生使用规则进行比对。第一种规则下，医生选择在成本与健康之间提供最佳组合的方案，假定卫生系统愿意为每增加一年的高质量生命支付一个标准金额。第二种规则忽略成本，选择能带来最多健康寿命的方案。第三种更为谨慎的规则中，医生保持原有计划，除非AI建议的不同治疗能明显改善患者预期的生活质量。

向手术和更高价值的大幅转变

在这些情景中，AI指导下的选择经常与原始决定不同，最常见的是将患者从导管介入或单纯药物治疗转向搭桥手术。在注重成本的规则下，主要分析中近四分之三的患者本可接受不同的治疗，平均来看既降低了终生成本又增加了高质量生命时间。即便在谨慎规则下，只有当AI显示明确获益时医生才改变方案，仍有超过一半的患者会被不同地治疗，同样带来适度的成本节约和明显的健康获益。当模型纯粹以最大化健康寿命为目标时，某些策略总体上变得更昂贵，但按常见卫生政策标准仍具有良好的性价比。

这些结果的重要性及其局限

该研究表明，基于AI的决策支持可能帮助卫生系统在复杂心脏护理上获得更高的投资回报。通过针对每位患者预测的未来而非仅依据当下的解剖状态来定制选择，该工具常常偏向那些前期成本更高但能防止重复手术和住院的治疗，尤其是搭桥手术。然而，研究结果代表的是一种最佳情景估计。模型假定AI的风险预测是准确的、医生总能遵循其建议、以及未来患者与阿尔伯塔数据集和以往临床试验中的人群相似。现实中，手术能力、患者虚弱程度、个人偏好和不断发展的医疗技术都会限制临床实践与模拟理想之间的贴合度。

对患者与卫生系统的意义

对患者而言，结论并非让计算机决定治疗方案，而是更好地利用数据可以使与医生的对话更有针对性。对卫生系统来说，这项工作表明AI不仅是高科技的小玩意，而是一种经过深思熟虑地整合入护理后，能够切实改善结局与预算的工具。在此类系统被广泛采用之前，需要随机对照临床试验确认在真实诊所中使用AI确实会像本次模拟所预测的那样改变决策——并且这些改变能以可接受的成本转化为更长、更健康的生命。

引用: Mullie, T., Puri, A., Bogner, E. et al. Health economic simulation modeling of an AI-enabled clinical decision support system for coronary revascularization. npj Digit. Med. 9, 249 (2026). https://doi.org/10.1038/s41746-026-02430-x

关键词: 冠状动脉疾病, 人工智能, 临床决策支持, 健康经济学, 搭桥手术