健康經濟學指標

第 79 個主題，共 91 個· 人工智慧加速

臨床AI評估

評估臨床AI或診斷模型的核心統計量：靈敏度、特異度、AUROC（受試者工作特徵曲線下面積）、預測值，以及需篩查人數。其核心經濟學教訓是：出色的AUROC並不等於具有成本效果的實際部署——價值取決於所選的運作點、患病率，以及每一次陽性結果之後下游會發生什麼。

為何重要

監管機構（FDA、英國MHRA）對臨床AI的授權是基於一個被鎖定的運作點——即某個特定的靈敏度/特異度組合（例如，首款獲FDA批准的自主式糖尿病視網膜病變檢測系統，在其關鍵試驗中靈敏度為87.2%，特異度為90.7%）。健康經濟學家隨後會提出一個純粹的準確率指標無法回答的問題：在你實際部署人群的患病率下，每一次檢出的成本是多少？據此採取行動是否值得？一項針對視網膜病變篩查AI的經濟評估（npj Digital Medicine，2024年）表明，一旦計入轉診成本，僅憑更高的準確率並不能保證具有成本效果。

計算方法

靈敏度 = TP / (TP + FN)        —— 真陽性中，被正確檢出的比例
特異度 = TN / (TN + FP)        —— 真陰性中，被正確排除的比例
AUROC  = P(模型將隨機一個陽性樣本排在隨機一個陰性樣本之前)
         0.5為純隨機……1.0為完美；與閾值無關——因此
         不足以據此作出部署決策

PPV（陽性預測值） = TP / (TP + FP)   ← 依賴患病率（貝葉斯定理）；患病率低時會急劇下降
NPV（陰性預測值） = TN / (TN + FN)

需篩查人數（NNS） ≈ 1 / (患病率 × 靈敏度)       —— 每發現一例真陽性所需篩查的人數
每例真陽性成本 = 專案總成本 / TP      —— 這才是真正的經濟學底線

實例演算

同一個模型，兩種不同場景——靈敏度90%，特異度93%：

專科門診（患病率20%）：
  PPV = (0.9×0.2)/(0.9×0.2 + 0.07×0.8) = 0.18/0.236 ≈ 76%  → 每4次警報中有3次是真實的

基層醫療（患病率1%）：
  PPV = (0.9×0.01)/(0.9×0.01 + 0.07×0.99) = 0.009/0.0783 ≈ 11.5%
  → 每9次警報中有8次是假陽性；每次核查費用£350：
  每例真陽性成本 = (0.009 + 0.0693) × 350 / 0.009 ≈ 每例發現約£3,045

完全相同的模型，經濟學結論卻截然不同——這正是為何"按具體場地進行評估"是一項監管主題，也是為何"我們的模型AUROC為0.95"只是一份經濟學論證的開端，而絕非終點。完整的專案層面計算方法，參見篩查經濟學。

與軟體工程的聯絡

對於建置或採購臨床AI的工程師而言：應在實際部署患病率下提供混淆矩陣，而不能只提供ROC曲線；應讓閾值成為一項經濟學決策——靈敏度/特異度的權衡取捨應當以最小化預期成本為目標（漏診病例數 × 漏診成本 對比 假警報數 × 核查成本），而非以最大化某個基準統計量為目標；並應認識到，你自己的工具中同樣存在這套數學邏輯——警報系統、異常檢測器和安全掃描工具，本質上都是在低患病率的事件流上進行的診斷檢驗，警報疲勞正對應著需傷害人數（NNH）。凡是會改變運作點的模型更新，都會重新開啟整個經濟學問題（也會重新開啟監管獲批問題——參見AI監管評估）。

陷阱

  • AUROC購物式比較：在模型實際運作於單一閾值的情況下，僅按AUROC比較模型——應在實際運作點上進行比較。
  • 將試驗患病率下的PPV，直接用於真實世界部署場景——這是最經典的錯誤；應始終按當地實際患病率重新計算。
  • 譜系偏倚：在明顯病例與健康對照上驗證的模型，在臨床實踐中占主導地位的那些模糊中間地帶上，表現往往會被高估。
  • 未對下游路徑進行成本核算：每一次陽性結果都會觸發一次核查；一個模型實際上是對整條路徑經濟學的一次介入。

來源