预测中国偏远基层地区老年原发性闭角型青光眼(PACG)患者人群人工智能(AI)辅助筛查对医疗费用、医保基金支出的影响。
纳入海南省昌江黎族自治县19 395名65岁及以上老年人，借鉴浙江温州青光眼人群筛查的卫生经济学模型，将PACG按照严重程度分为原发性房角关闭可疑状态、原发性房角关闭、PACG、单眼致盲和双眼致盲5个状态，并结合青光眼相关文献提供的流行病学、转移概率和治疗依从性、筛查和转诊依从性、AI筛查的敏感性和特异性以及县中西医结合医院2016—2019年医疗费用数据和医疗保险报销比例对卫生经济学模型进行调整，拟合昌江县PACG患者在AI辅助筛查与无筛查2种方案下未来15年内的健康转归、医疗费用与医保基金支出情况。
以无筛查方案为对照，实施AI辅助PACG筛查，未来15年内可延缓患者疾病进展，减少PACG患者134例和盲患者9例，分别占43%和50%。在AI辅助筛查方案下，阳性患者的早诊断、早治疗短期内将引起医疗费用和医保基金支出过快增长，超过同时期无筛查方案下的费用。从第3年开始，医保基金支出将由增长扭转为下降，控费效应显现，从第10年开始，医疗费用同样发生由增长变为下降的转折。而在无筛查方案下，由于大量PACG患者进展至晚期，医疗费用持续上涨，并于第14年将超过筛查方案的医疗费用。
卫生经济学分析预测PACG人群AI辅助筛查在中国偏远基层地区不仅具有良好的成本效益，而且可延缓疾病进展，长期可节省医疗费用与医保基金支出。
版权归中华医学会所有。
未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
除非特别声明，本刊刊出的所有文章不代表中华医学会和本刊编委会的观点。
青光眼是一种因视网膜神经节细胞和视神经纤维丢失而导致视野缺损和视力下降的慢性、不可逆性眼病，是全球主要的致盲眼病[1]。2015年，我国青光眼流行病学特征以原发性闭角型青光眼(primary angle-closure glaucoma，PACG)为主，其患病率约为1.40%，患病人数约为714万人[2]。随着人口老龄化进程的加快，估计2020年我国PACG患者数量高达750万人[3]。可见，以PACG为主的青光眼已成为我国一个重要的公共卫生问题。考虑到青光眼视力和视野丢失的不可逆性，早发现、早诊断和早干预对青光眼的防治至关重要，可有效延缓患者的视神经损害[4,5]。然而早期青光眼症状隐匿导致了我国青光眼患者的总体诊断率不足10%，明显低于国际上的50%诊断率[6]，即90%患者仍处于未被诊断的危险状态[7]。这一现状决定了青光眼防控工作需延伸至社区，通过人群筛查尽早发现无症状的"危险房角"人群和早期患者，从而将治疗窗口提前。长期以来，我国基层眼科防控体系薄弱、眼科医师缺乏且专业技能不足[8]，致使基层眼病综合防控工作举步维艰。近年来，如何基于人工智能(artificial intelligence，AI)影像诊断来弥补基层硬件与能力短缺、辅助人群筛查已成为国内外眼科领域探讨的热点[9,10]。文献报道当前辅助青光眼筛查的AI应用主要基于机器学习算法来自动读取、分析眼底照相或光相干断层扫描(optical coherence tomography，OCT)图片，根据视网膜神经纤维层厚度、杯盘比、视盘出血等来智能判断是否青光眼可疑并给出转诊建议[11]。AI辅助诊断的优势是简单快捷，不需要过多依赖医生个人经验，同时提高诊断准确率。我国一项研究选取48 116份彩色眼底照片训练和验证青光眼深度学习系统，结果显示该系统鉴别青光眼可转诊病例的敏感性和特异性分别高达95.6%和92.0%，受试者工作特征曲线下面积为0.986[12]。国外有研究通过Meta分析也显示青光眼深度学习模型的受试者工作特征曲线下面积为0.923~0.957[11]。智能诊疗技术在人群筛查中的适宜性、经济性尚不明确，缺乏相关实证研究，而决策者希望了解AI辅助人群筛查对卫生系统医疗费用、医疗保险基金将带来怎样的影响[13]。基于此，本研究以海南省昌江黎族自治县(简称昌江县)为例，利用卫生经济学模型预测AI辅助的偏远地区老年PACG患者人群筛查对医疗费用、医保基金支出的影响，以期为政府卫生决策提供依据。
