Valutazione economica dell’uso dell’Intelligenza Artificiale nell’ecocardiografia da stress: analisi di costo-conseguenza e costo-efficacia

Lo studio PROTEUS rappresenta una valutazione economica rigorosa integrata in un trial randomizzato controllato multicenter che coinvolge 20 ospedali del NHS con 2213 pazienti affetti da sospetta malattia coronarica. La metodologia combina due approcci complementari: l'analisi di costo-conseguenza, che confronta direttamente i risultati clinici e i costi tra i gruppi, e l'analisi di costo-efficacia, che utilizza un modello decisionale con albero di decisione per incorporare scenari di costo dell'AI e risparmio di tempo del clinico. Questo approccio metodologico doppio consente una valutazione completa dell'impatto economico oltre alla semplice misura del rapporto costo-efficacia incrementale. I pazienti sono stati stratificati per ricevere cure standard (controllo) o ecocardiografia da stress assistita da AI (intervento). Gli outcome primari includevano misure di qualità della vita attraverso l'EQ-5D-5L e il questionario Seattle Angina (SAQ-7), con stima dei QALY (quality-adjusted life-years) su un orizzonte temporale di 6 mesi. I dati di costo sono stati ottenuti da uno studio di costing parallelo specificamente disegnato per questa valutazione. I risultati numerici mostrano un'accuratezza diagnostica molto elevata in entrambi i gruppi (97,2% nel controllo versus 96,9% nell'intervento), suggerendo che l'AI non compromette la capacità diagnostica. Il SAQ-7 ha dimostrato miglioramenti significativi entro i gruppi (P < 0,001), ma senza differenze tra gruppi, indicando benefici terapeutici equivalenti. L'EQ-5D-5L non ha mostrato cambiamenti significativi entro i gruppi, eccetto per l'auto-assistenza. I QALY sono risultati quasi identici (0,392 per l'intervento vs 0,390 per il controllo, P = 0,818). Nel contesto clinico più ampio, l'ecocardiografia da stress rimane uno strumento diagnostico fondamentale per la stratificazione del rischio nella malattia coronarica, e l'integrazione dell'AI potrebbe affrontare sfide di variabilità inter-osservatore e carichi di lavoro clinico. Il costo incrementale medio NHS era £376,72 per l'intervento versus £366,08 per il controllo. L'analisi di costo-efficacia di base, senza costi AI, ha prodotto un rapporto costo-efficacia incrementale di £6939 per QALY, ben al di sotto della soglia di willingness-to-pay del NHS di £20,000-30,000 per QALY. Crucialmente, l'intervento rimane cost-effective fino a £35,35 per caso senza risparmi di tempo del clinico, o fino a £45,93 quando i risparmi di tempo sono incorporati. Le analisi di sensibilità probabilistica hanno supportato robusti questi risultati. Questo studio contribuisce alla letteratura crescente sull'implementazione dell'AI in diagnostica cardiaca, dimostrando che l'AI assistito non solo mantiene l'accuratezza diagnostica ma potrebbe anche offrire benefici economici nel contesto del NHS.