Análise de custo-efetividade da colonoscopia com inteligência artifical versus colonoscopia convencional na detecção de pólipos adenomatosos e prevenção do câncer colorretal: uma avaliação econômica sob perspectiva do SUS
Análise de custo-efetividade da colonoscopia com inteligência artifical versus colonoscopia convencional na detecção de pólipos adenomatosos e prevenção do câncer colorretal: uma avaliação econômica sob perspectiva do SUS
Data
2023
Autores
Pereira, Adail José da Conceição
Journal Title
Journal ISSN
Volume Title
Publisher
Instituto Nacional de Cardiologia
Resumo
Introdução: O câncer colorretal é uma das principais causas de morbidade e mortalidade em todo o mundo. No Brasil, estima-se que ocorrerão cerca de 46 mil novos casos de câncer colorretal entre 2023 e 2025. Estima-se que cerca de um quarto dos casos resultam de diagnósticos falso negativos. A colonoscopia auxiliada por inteligência artificial melhora a taxa de detecção de adenomas, sendo uma importante estratégia para a redução de novo casos. Analisamos a relação de custo- efetividade da colonoscopia auxiliada por inteligência artificial versus colonoscopia padrão (convencional) e nenhuma intervenção, adotando a perspectiva do SUS como pagador.
Métodos: Aplicando simulação de Monte Carlo, um modelo de árvore de decisão com três alternativas e horizonte de 1 ano foi usado para estimar os ganhos incrementais para 10.000 colonoscopias em pacientes de risco médio. Utilizamos custos relacionados aos procedimentos de diagnóstico, análise laboratorial e de tratamento, referentes a gastos da União, Estados e Municípios. Os dados de acurácia e probabilidades foram obtidos na literatura médica disponíveis publicamente nas bases de dados. Realizamos análises de sensibilidade determinística e probabilística para avaliar o impacto das incertezas no modelo. Os resultados foram anos de vida ajustados pela qualidade (QALY) ganhos. O limiar de custo-efetividade utilizado foi de 1 PIB per capta de R$40.000,00.
Resultados: Os ganhos de QALY com a inteligência artificial, convencional e sem rastreamento foram 0,8310, 0,8337 e 0,8076, respectivamente. Os custos por colonoscopia para IA e CV foram R$1.636,33 e R$2.189,86. O custo sem rastreamento foi de R$2.504,14. A relação custo-efetividade da IA foi dominante para custo e equivalente para QALY em relação a CV. A alternativa sem rastreamento foi dominada. A análise de sensibilidade determinística indicou que as alternativas do modelo são sensíveis ao custo. A análise de sensibilidade probabilística mostrou que a IA foi mais custo-efetiva, com melhor custo por QALY.
Conclusão: A colonoscopia com inteligência artificial é uma estratégia dominante e mais eficiente, considerando pacientes adultos de risco médio.
Palavras-chave: Inteligência artificial, Neoplasias colorretais, Análise de custo- efetividade.
Introduction: Colorretal câncer is one of the mais causes of morbity and mortality worldwide. In Brazil, it is estimated that Around 46 thousand new cases of colorectal câncer will occur between 2023 and 2025. It is estimated that Around a quarter of cases result from false negative diagnoses. Colonoscopy assisted by artificial intelligence improves the detection rate of adenomas, being an importante strategy for reducing new cases. We analyzed the cost-effectiveness relationship of colonoscopy assisted by artificial intelligence versus standard (conventional) colonoscopy and no intervention, adopting the perpective of the SUS as payer. Methods: Applying Monte Carlo simulation, a three-alternative decision tree model with a 1-year horizon was used to estimate incremental gains for 10,000 colonoscopies in average-risk patients. We use costs related to diagnostic procedures, laboratory analysis and treatment, referring to expenses from the Union, States and Municipalities. Accuracy and probability data were obtained from publicly available medical literature in databases. We perform deterministic and probabilistic sensitivity analyzes to assess the impact of uncertainties in the model. Outcomes were quality- adjusted life Years (QALY) gained. The cost-effectiveness threshold used was 1 GDP per capita of BR$40,000.00. Results: QALY gains with artificial intellitence, conventional intelligence and no intervention were 0.8310, 0.8337 and 0.8076, respectively. The costs per colonoscopy for AI and CV were BR$1,636.33 and BR$2,189.86. The cost for no intervention was BR$2,504.14. The cost-effectiveness ratio of AI was dominant for cost and equivalente for QALY in relation to CV. The result for no intervention was alternative dominated. Deterministic sensitivity analysis indicated that the model alternatives are cost sensitive. Probabilistic sensitivity analysis showed that AI was more cost-effective, with better cost per QALY. Conclusion: Colonoscopy with artificial intelligence is a dominant and more efficient strategy considering average-risk adult patientes. Keywords: Colorectal neoplasms, Artificial intelligence, Cost-effectiveness analysis.
Introduction: Colorretal câncer is one of the mais causes of morbity and mortality worldwide. In Brazil, it is estimated that Around 46 thousand new cases of colorectal câncer will occur between 2023 and 2025. It is estimated that Around a quarter of cases result from false negative diagnoses. Colonoscopy assisted by artificial intelligence improves the detection rate of adenomas, being an importante strategy for reducing new cases. We analyzed the cost-effectiveness relationship of colonoscopy assisted by artificial intelligence versus standard (conventional) colonoscopy and no intervention, adopting the perpective of the SUS as payer. Methods: Applying Monte Carlo simulation, a three-alternative decision tree model with a 1-year horizon was used to estimate incremental gains for 10,000 colonoscopies in average-risk patients. We use costs related to diagnostic procedures, laboratory analysis and treatment, referring to expenses from the Union, States and Municipalities. Accuracy and probability data were obtained from publicly available medical literature in databases. We perform deterministic and probabilistic sensitivity analyzes to assess the impact of uncertainties in the model. Outcomes were quality- adjusted life Years (QALY) gained. The cost-effectiveness threshold used was 1 GDP per capita of BR$40,000.00. Results: QALY gains with artificial intellitence, conventional intelligence and no intervention were 0.8310, 0.8337 and 0.8076, respectively. The costs per colonoscopy for AI and CV were BR$1,636.33 and BR$2,189.86. The cost for no intervention was BR$2,504.14. The cost-effectiveness ratio of AI was dominant for cost and equivalente for QALY in relation to CV. The result for no intervention was alternative dominated. Deterministic sensitivity analysis indicated that the model alternatives are cost sensitive. Probabilistic sensitivity analysis showed that AI was more cost-effective, with better cost per QALY. Conclusion: Colonoscopy with artificial intelligence is a dominant and more efficient strategy considering average-risk adult patientes. Keywords: Colorectal neoplasms, Artificial intelligence, Cost-effectiveness analysis.
Description
Palavras-chave
Colorectal neoplasms, Artificial intelligence, Cost-effectiveness analysis, Inteligência artificial, Neoplasias colorretais, Análise de custo- efetividade.
Citação
Pereira AJC. Análise de custo-efetividade da colonoscopia com inteligência artifical versus colonoscopia convencional na detecção de pólipos adenomatosos e prevenção do câncer colorretal: uma avaliação econômica sob perspectiva do SUS. Rio de Janeiro. dissertação [Mestrado Profiossional em Avaliação de Tecnologias em Saúde] Instituto Nacional de Cardiologia - INC; 2023.