妊娠高血圧症候群の機械学習予測モデル：系統的レビューとメタアナリシス

科学分野:

• 医療情報学
• 生物統計学
• 産科学

背景:

• 妊娠高血圧症候群は、世界的な発生率が増加している重度の高血圧性疾患です。
• 妊娠高血圧症候群予測のための既存の機械学習（ML）モデルは、高い異質性と不明瞭な外部伝達性を示します。
• 内部モデルのパフォーマンスと実際の臨床効果との区別は、依然として重要なギャップです。

研究 の 目的:

• 妊娠高血圧症候群を予測する上でのMLモデルのパフォーマンスを系統的にレビューおよびメタアナリシスすること。
• これらのMLモデルの臨床応用価値を評価すること。
• モデルのパフォーマンスに影響を与える要因を特定し、将来の研究の質を導くこと。

主な方法:

• PRISMAガイドラインに従った系統的レビューとメタアナリシス。
• 2025年2月までの主要なデータベース（PubMed、Web of Science、IEEE Xplore、CNKI）を検索しました。
• PROBASTを使用してバイアスを評価し、ランダム効果モデルで要約推定値を計算し、95%予測区間（PI）を算出しました。

主要な成果:

• 含まれた26の研究と31のMLモデル。プールされたAUCは0.91（95% CI 0.87-0.92）でしたが、極端な異質性（I²>99%）がありました。感度に対する広い95% PI（0.32-0.96）は、外部設定でのパフォーマンス低下の可能性を示唆しています。外部検証（6件の研究）では、プールされた感度が低下しました（0.68、PI 0.25-0.94）。実験室バイオマーカーとニューラルネットワークを持つモデルが有望でした。

結論:

• MLモデルにおける高い内部AUCは、普遍的な臨床効果に翻訳されない可能性があります。
• モデルのパフォーマンスは文脈に大きく依存しており、外部検証の必要性を強調しています。
• 将来の研究では、転移性と信頼性を向上させるために、多施設共同の前向き外部検証と再較正を優先する必要があります。