Lunglife Ai, Inc. gibt Daten zur Kosteneffektivität von Lunglb® bekannt
Am 27. Februar 2023 um 08:00 Uhr
Teilen
LungLife AI, Inc. gibt die Veröffentlichung des Entwurfs einer Kosten-Effektivitäts-Analyse (CEA) für LungLB® bekannt, die belegt, dass der Test als kosteneffiziente Alternative im Vergleich zum derzeitigen diagnostischen Verfahren eingesetzt werden kann. Sobald die endgültige Veröffentlichung als "Version of Record" erfolgt ist, wird eine weitere Ankündigung erfolgen. Das Hauptziel der Studie war es, die zusätzliche Kosteneffektivität von LungLB® zu untersuchen, wenn der Test dem derzeitigen klinischen Diagnoseweg für Patienten mit Lungenknötchen, wie er in den Leitlinien beschrieben ist, hinzugefügt wird.
Die größeren Kosteneinsparungen in dem Modell wurden durch eine Verringerung unnötiger Verfahren und bessere Ergebnisse für die Patienten aufgrund geringerer Verzögerungen bei der Behandlung nachgewiesen. Die Integration von LungLB® führt zu einer Verbesserung der Ergebnisse und führt zu einer ICER, die 25 % unter dem Schwellenwert für die Zahlungsbereitschaft (WTP) liegt, der üblicherweise von US-amerikanischen Kostenträgern in Betracht gezogen wird, was auf Gesamteinsparungen hindeutet, wenn der Preis für LungLB® bei 2.300 $ pro Test liegt. Die ICER bleiben bei Preisen von bis zu 3.647 $ pro Test unter der WTP-Schwelle.
Teilen
Zum Originalartikel.
Rechtliche Hinweise
Rechtliche Hinweise
Kontaktieren Sie uns, wenn Sie eine Korrektur wünschen
LungLife AI, Inc. ist ein Entwickler von klinischen Diagnoselösungen für Lungenkrebs. Das Unternehmen beschäftigt sich mit der Entwicklung und Vermarktung seines Lungenkrebs-Früherkennungstests. Der LungLB-Test ist ein minimalinvasiver Bluttest, der Ärzten, die unklare Lungenknoten untersuchen, zusätzliche Informationen liefern soll. LungLB ist ein blutbasierter Flüssigbiopsietest, der Fluoreszenz-in-situ-Hybridisierung (FISH) und Bildanalyse verwendet, um zirkulierende genetisch abnorme Zellen (CGAC) zu identifizieren, zu denen auch zirkulierende Tumorzellen (CTCs) gehören. Die Technik beinhaltet eine von künstlicher Intelligenz (KI) abgeleitete Bildanalysestrategie, um einzigartige Zellpopulationen zu identifizieren, die den untersuchten Krankheitszustand widerspiegeln.