脊髄転移における結果を予測するための人工知能モデル:体系的なレビューとメタ分析

科学分野:

• 腫瘍学
• 医療情報工学
• 放射線科

背景:

• 脊髄転移は神経機能と生活の質を著しく損なう.
• パーソナライズされた臨床意思決定には 正確な予後と結果の予測が必要です
• 脊髄転移の結果を予測する上で人工知能 (AI) の有効性を評価することは極めて重要です.

研究 の 目的:

• 脊髄転移の成人の患者の合併症と治療結果を予測するAIベースのモデルの有効性を体系的に評価する.
• 異なる予測タスクにおける AI モデルの正確性と一般化性を評価する.

主な方法:

• 2025年1月までの主要なデータベース (PubMed,Scopus,Web of Science,Embase,Cochrane) での包括的な文献検索
• PRISMAのガイドラインに従って,成人の脊髄転移患者のアウトカム予測のためのAIモデルを使用した研究を含む.
• ランダム効果モデルを用いたAUC結果のメタ分析とPROBASTによる品質評価

主要な成果:

• 25790人の患者を対象とした47件の試験の分析により,加重平均AUCは0. 762 (訓練),0. 876 (内部検証),0. 810 (外部検証) であった.
• 骨髄腫瘍学研究グループ (Skeletal Oncology Research Group) の機械学習アルゴリズム (SORG- MLAs) は,90日および1年の死亡率で一貫した外部検証AUC> 0. 84を示した.
• ラジオミックスのモデルは,放射線と血流の予測のための術前計画に潜在性を示しました. 研究は主に乳がん,肺がん,前立腺がんに焦点を当てました.

結論:

• AIモデルは,脊髄転移における死亡率,出院状態,血流,外科合併症の予測において合理的な正確性を示しています.
• より広範な実施には,さらなる外部検証,データ標準化,倫理的/規制的枠組みの評価が必要です.
• 将来の研究は,多式ハイブリッドAIモデルを開発し,その臨床的有用性を評価することに重点を置くべきです.