Sağlık Ekonomisi Metrikleri

Konu 79 / 91· Yapay zekâ hızlandırması

Klinik Yapay Zekâ Değerlendirmesi

Klinik bir yapay zekâ veya tanı modelini değerlendirmenin temel istatistikleri: duyarlılık, özgüllük, AUROC, öngörü değerleri ve taranması gereken sayı. Temel ekonomik ders: harika bir AUROC maliyet-etkili bir devreye alma yapmaz — değer, çalışma noktasına, yaygınlığa ve her pozitifin ardından olanlara bağlıdır.

Neden önemli

Düzenleyiciler (FDA, MHRA) klinik yapay zekâyı kilitli bir çalışma noktasında yetkilendirir — belirli bir duyarlılık/özgüllük çifti (örn. FDA onaylı ilk otonom diyabetik retinopati sistemi: kilit denemesinde duyarlılık %87,2, özgüllük %90,7). Sağlık ekonomistleri sonra doğruluk metriklerinin yanıtlayamadığı soruyu sorar: devreye alma nüfusunuzun yaygınlığında her tespit neye mal olur ve buna göre harekete geçmek değer mi? Retinopati tarama yapay zekâsının ekonomik değerlendirmesi (npj Digital Medicine 2024), sevk maliyetleri sayıldığında tek başına yüksek doğruluğun maliyet-etkililiği garanti etmediğini gösterdi.

Matematik

Duyarlılık  = TP / (TP + FN)        — gerçekten pozitiflerin yakalanan payı
Özgüllük    = TN / (TN + FP)        — gerçekten negatiflerin temize çıkan payı
AUROC       = P(modelin rastgele bir pozitifi rastgele bir negatifin üzerine sıralaması)
              0,5 şans … 1,0 mükemmel; eşikten bağımsız — dolayısıyla
              devreye alma kararı için yetersiz

PPV = TP / (TP + FP)   ← yaygınlığa bağlı (Bayes); nadir olduğunda çöker
NPV = TN / (TN + FN)

NNS  ≈ 1 / (yaygınlık × duyarlılık)       — bulunan gerçek vaka başına taranan
Gerçek vaka başına maliyet = program maliyeti / TP      — ekonomik alt satır

Çözümlü örnek

Aynı model, iki ortam — duyarlılık %90, özgüllük %93:

Uzman kliniği (yaygınlık %20):
  PPV = (0,9×0,2)/(0,9×0,2 + 0,07×0,8) = 0,18/0,236 ≈ %76  → uyarıların 4'te 3'ü gerçek

Birinci basamak (yaygınlık %1):
  PPV = (0,9×0,01)/(0,9×0,01 + 0,07×0,99) = 0,009/0,0783 ≈ %11,5
  → uyarıların 9'da 8'i yanlış; her biri 350 £ tetkik:
  gerçek vaka başına maliyet = (0,009 + 0,0693) × 350 / 0,009 ≈ bulunan vaka başına 3.045 £

Aynı model, kökten farklı ekonomi — bu yüzden siteye özgü değerlendirme düzenleyici bir temadır ve "modelimizin AUROC'u 0,95" bir ekonomik vakanın sonu değil başlangıcıdır. Tam program matematiği için bkz. tarama ekonomisi.

Yazılım mühendisliği bağlantısı

Klinik yapay zekâ geliştiren veya satın alan mühendisler için: ROC eğrisini tek başına değil karışıklık matrisini devreye alma yaygınlığında gönderin; eşiği ekonomik bir karar yapın — duyarlılık/özgüllük dengesi beklenen maliyeti en aza indirmeli (kaçırılan vakalar × kaçırma maliyeti ile yanlış alarmlar × tetkik maliyeti), bir kıyaslama istatistiğini azamileştirmemeli; ve aynı matematiği kendi araçlarınızda tanıyın — uyarı sistemleri, anomali dedektörleri ve güvenlik tarayıcıları düşük yaygınlıklı olay akışları üzerinde tanı testleridir ve uyarı yorgunluğu NNH'dir. Çalışma noktasını kaydıran model güncellemeleri ekonomiyi (ve düzenleyici onayı — bkz. yapay zekâ düzenleyici değerlendirmesi) yeniden açar.

Tuzaklar

  • AUROC alışverişi: tek eşikte çalışacak modellerin AUROC'ta karşılaştırılması — çalışma noktasında karşılaştırın.
  • Deneme yaygınlığındaki PPV'nin gerçek dünya devreye alması için alıntılanması — klasik; her zaman yerel yaygınlıkta yeniden hesaplayın.
  • Spektrum yanlılığı: bariz vakalar ve sağlıklı kontroller üzerinde doğrulanan modeller, uygulamaya hâkim belirsiz orta bölgede fazla performans gösterir.
  • Aşağı akış yolunun maliyetlendirilmemesi: her pozitif bir tetkik tetikler; model tüm yolun ekonomisine yapılmış bir müdahaledir.

Kaynaklar