eClinicalMedicine

Background e obiettivi: Valutare il rapporto costo-efficacia di un sistema di screening della retinopatia diabetica (DR) basato sull'intelligenza artificiale (AI) nel contesto dell'assistenza primaria sia per le persone non indigene che per quelle indigene che vivono con diabete in Australia.
Metodi e risultati principali: È stato costruito un modello decisionale analitico di Markov per simulare la progressione della DR in una popolazione di 1.197.818 non indigeni e 65.160 indigeni australiani con diabete di età ≥20 anni su un follow-up di più di 40 anni. Dal punto di vista di un operatore sanitario, è stata confrontata la pratica attuale con tre scenari di screening basati sull’AI: (A) sostituzione dell’attuale classificazione manuale, (B) aumento del livello di accettazione del paziente e (C) raggiungimento dello screening universale. I risultati dello studio sono stati presentati come rapporto costo-efficacia incrementale (ICER), rapporto costi-benefici (BCR) e benefici monetari netti (NMB). In questo studio sono stati adottati una soglia di disponibilità a pagare (WTP) di 50.000 AU$ per anno di vita corretto per la qualità (QALY) e un tasso di sconto del 3,5%. Con lo status quo, si prevede che la popolazione diabetica non indigena svilupperà 96.269 casi di cecità, con una conseguente spesa di 13.039,6 milioni di dollari australiani per lo screening e il trattamento della DR nel periodo 2020-2060. In confronto, tutti e tre gli scenari di intervento si sono rivelati efficaci e convenienti. In particolare, se fosse implementato un programma di screening universale (Scenario C), si potrebbero prevenire 38.347 casi di cecità, guadagnare 172.090 QALY e risparmiare 595,8 milioni di dollari australiani, portando a un BCR di 3,96 e un NMB di 9.200 milioni $. Risultati simili sono stati riportati anche nella popolazione indigena. Con lo status quo, 3.396 individui indigeni svilupperebbero la cecità, il che costerebbe al sistema sanitario 796,0 milioni di dollari australiani nel periodo 2020-2060. Tutti e tre gli scenari di intervento hanno comportato un risparmio sui costi anche per la popolazione indigena.
Conclusioni e commento editoriale: I risultati suggeriscono che l'implementazione dello screening DR basato sull'AI nelle cure primarie è altamente efficace e consente di risparmiare sui costi sia nelle popolazioni indigene che in quelle non indigene. Viste le difficoltà riscontrate anche dai pazienti Italiani nel riuscire ad effettuare regolarmente un fundus oculi con il SSN, l’applicazione di questo tipo di tecnologia potrebbe determinare benefici clinici ed economici anche nel nostro paese.

A cura di Stefano Ciardullo e Max Petrelli

Hu W, Joseph S et al. Population impact and cost-effectiveness of artificial intelligence-based diabetic retinopathy screening in people living with diabetes in Australia: a cost effectiveness analysis. EClinicalMedicine. 2024 Jan 10:67:102387