変形性膝関節症の進行予測における機械学習の予測値：システマティックレビューとメタアナリシス

科学分野:

• 整形外科学
• 生体医工学
• データサイエンス

背景:

• 機械学習（ML）は、膝の変形性関節症（KOA）の進行予測のために検討されている。
• KOA進行予測におけるMLの有効性に関する既存の系統的証拠は限られており、精密予防戦略を妨げている。

研究 の 目的:

• KOA進行予測におけるMLの応用を系統的にレビューすること。
• MLの精度を評価し、従来法およびディープラーニングに対する予測パフォーマンスを比較すること。

主な方法:

• PRISMAガイドラインに従い、主要なデータベース（Embase、Web of Science、PubMed、Cochrane Library）で系統的な文献検索を実施した。
• 研究の選択、データ抽出、バイアスリスク評価は、2名の調査員が独立して実施した。
• メタアナリシスは、一致指数（C指数）と診断テーブルに焦点を当て、モデルタイプ、変数、KOA進行の定義によるサブグループ分析を行った。

主要な成果:

• 32件の研究が含まれ、研究間でバイアスのリスクが異なっていた。プールされたC指数は予測能力を示し、MRIベースのモデル（C指数=0.798）とMRI+臨床的特徴の組み合わせ（C指数=0.806）が良好なパフォーマンスを示した。ロジスティック回帰を用いた臨床的特徴ベースのモデルは、他のMLモデルと同等のパフォーマンスを示した。従来のMLとディープラーニングは、画像ベースのモデルでより高い精度を示した。

結論:

• MLモデルはKOA進行予測のための識別能力を有するが、異質性のため結果は慎重に解釈する必要がある。
• KOA進行の定義と検証方法のばらつきが、モデルの信頼性に影響を与える。
• 将来の研究では、定義の標準化、方法論的厳密性の向上、および臨床的翻訳の向上のための外部検証の実装が必要である。