2025年2月11日，劳伦斯维尔，新泽西州，美国——《健康价值》，ISPOR——健康经济学和结果研究专业学会的官方期刊，今天宣布发布一份ISPOR工作组报告，该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。这份题为“生成式AI用于健康技术评估：机遇、挑战和政策考虑——ISPOR工作组报告”的文章发表在2025年2月刊的《健康价值》上。
“在健康经济学和结果研究领域，生成式AI有潜力改变HTA证据生成方法，”报告作者Jagpreet Chhatwal博士表示。Chhatwal博士是马萨诸塞州总医院技术评估研究所的主任，同时也是哈佛医学院的副教授和哈佛大学健康决策科学中心的核心教员。“在我们进入这个变革时代时，确保人类监督、透明度和遵守伦理标准至关重要，”他补充道。
报告确定了三个关键领域，其中生成式AI，包括大型语言模型（LLM），可以显著影响HTA流程：
- 系统文献综述：生成式AI可以通过提出搜索词、筛选摘要、提取数据和生成元分析代码来协助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，从而更容易从复杂的医疗数据中提取有价值的见解。
- 健康经济建模：AI工具可以在健康经济模型开发的各个阶段提供帮助，从概念化到验证，可能提高这一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，存在一些局限性，包括科学有效性、可靠性、偏见风险及其对公平性的影响，以及监管和伦理考虑。这些因素在未来一段时间内将继续需要仔细评估和人类监督。
作者为HTA机构提供了几项重要建议，以负责任地将生成式AI集成到其工作流程中。他们建议建立关于适当使用LLM的明确指导方针。标准化和协调各机构之间的流程，确保透明报告非常重要。关注健康公平将提高提交的质量和效率，确保适当的群体在HTA分析中得到代表。此外，为HTA员工提供培训对于生成式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，在人类监督下增强和支持HTA证据的有效生成，”Chhatwal博士指出。“由于这些模型的性质，使用它们并评估其结果的有效性和可重复性增加了复杂性。预计随着用户对基础模型的专业知识以及基础模型本身的性能在不久的将来会迅速提升。”
其他共同作者包括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。作者目前正在制定一个框架，供健康经济学和结果研究（HEOR）专业人士评估LLM辅助研究的质量、透明度和严谨性。
(全文结束)
