サルコペニア評価の精密化に向けて：AI時代におけるマルチモーダルデータ解析の課題
Valerio Caputo1, Ivan Letteri1, Silvano Junior Santini1
1Department of Life, Health and Environmental Sciences, University of L'Aquila, P.le Salvatore Tommasi, 67100 L'Aquila, Italy.
骨格筋量および機能の漸進的な低下を特徴とする疾患であるサルコペニアは、老年医学的ケアにおいて大きな課題となっている。その管理法は進歩しているものの、複雑な病因病態と診断基準の不均一性が、既存の評価法の精度の低さに繋がっている。したがって、知見を向上させ、より効果的な管理とより精密な診断への道を切り拓くための取り組みが必要である。この目的において、人工知能（AI）などの新興技術は、ハイスループット技術から得られる複雑なデータをモデリングすることで、新規かつ正確なバイオマーカーの同定を容易にし、より精密なアプローチの確立を促進することができる。こうした検討に基づき、本レビューでは、臨床データ、身体計測データ、分子データなどの不均一なデータと、AI（特に機械学習および深層学習）を統合した研究を例に挙げ、AIが持つ変革的な可能性について探究する。総じて、本レビューでは、AI駆動のアプローチを用いてバイオマーカーシグネチャーを検証するための、大規模で標準化された研究の重要性を強調する。
骨格筋量および機能の漸進的な低下を特徴とする疾患であるサルコペニアは、老年医学的ケアにおいて大きな課題となっている。その管理法は進歩しているものの、複雑な病因病態と診断基準の不均一性が、既存の評価法の精度の低さに繋がっている。したがって、知見を向上させ、より効果的な管理とより精密な診断への道を切り拓くための取り組みが必要である。この目的において、人工知能（AI）などの新興技術は、ハイスループット技術から得られる複雑なデータをモデリングすることで、新規かつ正確なバイオマーカーの同定を容易にし、より精密なアプローチの確立を促進することができる。こうした検討に基づき、本レビューでは、臨床データ、身体計測データ、分子データなどの不均一なデータと、AI（特に機械学習および深層学習）を統合した研究を例に挙げ、AIが持つ変革的な可能性について探究する。総じて、本レビューでは、AI駆動のアプローチを用いてバイオマーカーシグネチャーを検証するための、大規模で標準化された研究の重要性を強調する。
