ทันเอไอ

医疗AI性价比评估框架FLARE发布：超越传统准确率指标

研究人员提出系统化框架FLARE，用于在医疗系统引入AI前评估其经济效益与实际临床运营影响

随着人工智能（AI）在医疗卫生领域的应用迅速增长，现有的评估大多侧重于模型本身的准确率，而非其经济效益以及在医疗机构中的实际应用价值。近日，arXiv预印本平台发布的一项研究提出了FLARE——一个具备不确定性感知能力的系统化框架（Uncertainty-Aware Framework），用于评估医疗AI在财务与实际运营层面的影响。

FLARE的核心机制融合了三项技术与经济学工具：模糊逻辑（Fuzzy logic）、时间驱动作业成本法（Time-driven activity-based costing，TDABC）以及投资回报率（ROI）分析。该方法能够估算临床服务成本、AI开发与运营成本，以及将AI整合至实际工作流中可能产生的综合经济效益。

为验证其可行性，研究团队通过早期卫生技术评估（Early health technology assessment）案例展示了FLARE的应用：在急性缺血性脑卒中诊疗路径中，评估利用AI辅助筛查大血管闭塞（Large Vessel Occlusion）的成效，从而更清晰地呈现其综合性价比。