機械学習の応用とサルコペニア

本レビューの目的は、多様な機械学習（ML）手法および、サルコペニアのリスクがある、あるいはサルコペニアを患っている個体を検出するそれらの能力について調査することであった。サルコペニアは、主に高齢者に影響を及ぼす、筋肉量、筋力、および身体機能の著しい低下を特徴とする進行性疾患である。2024年7月から8月にかけて、サルコペニアの予後および人工知能に関連する試験についてPubMedデータベースを検索した。検索キーワードには「sarcopenia」、「artificial intelligence」、「machine learning」、「risk factors」を用いた。その結果、15,799人の参加者が含まれる11件の研究が抽出された。すべての研究において、異なるML手法を用いて、中程度から高い精度でサルコペニアを特定することが可能であった。特に優れた機械学習手法として、ディープニューラルネットワーク、LightGBM、決定木、CatBoost（CAT）、およびk近傍法が挙げられた。リスク因子に関しては、年齢、ボディマス指数（BMI）、腹囲、慢性疾患、および一部の社会経済的特徴が最も重要であることが判明した。結論として、機械学習手法はデータから価値ある知見を抽出する能力を有しており、サルコペニアの早期検出に向けた正確な予測を可能にする。これらの結果は、医療従事者がサルコペニアを特定するための、より迅速で時間を短縮できる手法としてML手法を利用できることを示している。