パーキンソン病のコンピュータ支援診断における機械学習の応用:進展とベンチマーク事例研究

科学分野:

• 神経科学
• コンピュータ科学
• 医療情報学

背景:

• 機械学習 (ML) はパーキンソン病 (PD) のような複雑な神経疾患の診断における可能性がますます認識されています.
• コンピュータ・アイド・診断 (CAD) システムは,MLを活用して早期に正確にPDを検出する有望な方法を提供します.
• PDの診断における現在のMLの応用とその限界を全面的に理解することは,研究と臨床の進歩にとって極めて重要です.

研究 の 目的:

• パーキンソン病 (PD) のコンピュータ支援診断 (CAD) の機械学習アプリケーションの包括的なレビューを実施する.
• 2010年から2024年のPD診断におけるMLの状況を分析し,データモードによって研究を分類し,バイアスのリスクを評価する.
• PDの診断におけるMLの現在の限界と将来の研究方向性を特定する.

主な方法:

• 2010年から2024年の間に出版された論文の体系的な文献検索が行われました.
• 対象研究におけるバイアスのリスクを評価するために,PROBASTチェックリストを使用した.
• 5つの異なるデータ形式でベンチマークケーススタディが行われました.

主要な成果:

• このレビューには117件の記事があり,声のデータ (40.2%) と神経画像データ (20.5%) が最も頻繁なカテゴリーである.
• PROBASTのチェックリストに示されているように,研究の大部分 (76. 1%) がバイアスの高いリスクを示した.
• MLのアプリケーションは,神経画像,声,手書き,歩行,およびEEGデータで評価され,報告された有効性のレベルは様々でした.

結論:

• MLはPDの診断に 大きな希望を示しているが,現在の研究におけるバイアスの高い流行は,より厳格な研究設計を必要としている.
• 将来の研究は,特定された限界に対処し,データ品質を改善し,多様なデータセットでMLモデルを検証することに重点を置くべきです.
• AIとPDの医療従事者の間のギャップを埋めるのは,MLのツールを臨床実践に成功させるために不可欠です.