ヒト免疫不全ウイルス（HIV）の予後予測モデリングにおける機械学習の応用：系統的レビューのためのプロトコル
Sadie Gilliland1, Lawrence Mbuagbaw2,3,4,5,6,7
1Faculty of Science McMaster University Hamilton Ontario Canada.
Health science reports
|December 31, 2025
まとめ
機械学習（ML）は、臨床的および心理社会的データを分析することにより、HIVの予後を改善することができる。このスコーピングレビューは、疾患進行予測のためのMLの応用を統合し、治療決定と患者ケアに情報を提供する。
科学分野:
- 人工知能
- 医療情報学
- 公衆衛生
背景:
- 推定3990万人がHIVと共に生きているため、医療システムに負担がかかっています。
- 機械学習（ML）は、明示的なプログラミングなしでパフォーマンスを向上させるためのデータ駆動型の洞察を提供します。
- HIVの予後は複雑で、臨床的、疫学的、心理社会的要因の影響を受けます。
研究 の 目的:
- HIV予後モデリングにおけるMLの既存の応用を概説すること。
- HIV予後のための効果的なMLモデルタイプとデータ入力を特定すること。
- HIV疾患進行予測のための現在のML技術におけるギャップを強調すること。
主な方法:
- PRISMA-ScRフレームワークに従ったスコーピングレビュー。
- 複数のデータベース（Medline、Embase、Web of Science、Scopus、IEEE Xplore、ACM Digital Library）を横断する体系的な文献検索。
- 透明性のための規定された方法による重複研究の選択とデータ抽出。
主要な成果:
- HIV予後のための効果的なMLモデルタイプの特定。
- HIVのためのML予後モデルで使用されるデータ入力の統合。
- HIVアウトカム（ウイルス量、CD4カウントなど）を予測する現在のML応用の概要。
結論:
- MLは、HIV疾患進行の迅速かつ正確な予測を提供できます。
- 調査結果は、臨床的意思決定に情報を提供する将来のMLモデルの開発をサポートします。
- 患者ケア、リソース配分、およびHIV流行に対する公衆衛生対応の最適化。
