2025年2月11日，新泽西州劳伦斯维尔——《Value in Health》，即国际卫生经济学和结果研究学会（ISPOR）的官方期刊，宣布发布了一份ISPOR工作组报告，介绍了生成式人工智能（AI）在健康技术评估（HTA）中的应用。该报告题为“生成式AI用于健康技术评估：机遇、挑战及政策考虑——ISPOR工作组报告”，发表于2025年2月刊的《Value in Health》上。
“在卫生经济学和结果研究领域，生成式AI有可能彻底改变HTA证据生成方法，”报告作者Jagpreet Chhatwal博士表示。Chhatwal博士是美国麻省总医院技术评估研究所的主任，同时担任哈佛医学院副教授和哈佛大学健康决策科学中心的核心教员。“确保人类监督、透明度以及遵守伦理标准是我们在这一变革时代导航的关键，”他补充道。
报告确定了三个关键领域，在这些领域中，生成式AI（包括大型语言模型）可能显著影响HTA流程：
- 系统文献综述：生成式AI有潜力通过提出搜索词、筛选摘要、提取数据和生成元分析代码来自动化系统文献综述的某些方面。
- 真实世界证据：生成式AI展示了分析大量真实世界数据的能力，包括非结构化临床笔记和影像，使其更容易从复杂的医疗数据中提取有价值的见解。
- 卫生经济学建模：AI工具可以在卫生经济学模型开发的各个阶段提供帮助，从概念化到验证，从而提高这一HTA关键方面的效率。
尽管生成式AI应用具有巨大潜力，但目前仍处于早期阶段，存在一些限制，包括科学有效性和可靠性问题、偏见风险及其对公平性的影响，以及监管和伦理考虑。因此，在未来可预见的时间内，其应用于HTA仍需谨慎评估和人类监督。
报告作者为HTA机构提供了几项重要建议，以负责任地整合生成式AI进入工作流程。他们建议建立关于适当使用大型语言模型的明确指导方针。标准化和统一各机构之间的流程，确保透明报告至关重要。关注健康公平将提高提交的质量和效率，确保适当的人群在HTA分析中得到代表。此外，投资培训HTA工作人员对于生成式AI技术的负责任和包容性使用至关重要。
“生成式AI领域提供了潜在的变革工具，可以在人类监督下增强和支持HTA证据的有效生成，”Chhatwal博士指出。“由于这些模型的本质，使用它们和评估其结果的有效性和可重复性增加了复杂性。预计像所有新技术一样，用户对基础模型的专业知识以及基础模型本身的性能将在不久的将来迅速提高。”
其他合著者包括Rachael L. Fleurence博士、Jiang Bian博士、Xiaoyan Wang博士、Hua Xu博士、Dalia Dawoud博士和Mitch Higashi博士。作者们目前正在制定一个框架，以帮助卫生经济学和结果研究（HEOR）专业人员评估由大型语言模型辅助研究的质量、透明度和严谨性。
(全文结束)
