機械学習を鍼灸研究に統合する：スコーピングレビュー

科学分野:

• 統合医療
• 計算生物学
• バイオメディカルインフォマティクス

背景:

• 鍼灸研究は、ばらつきと主観性という課題に直面している。
• 機械学習（ML）は、鍼灸研究を強化するための新しいアプローチを提供する。
• このスコーピング研究は、鍼灸におけるML応用の現在の状況をマッピングするものである。

研究 の 目的:

• MLが鍼灸研究で対象とする疾患を特定すること。
• 鍼灸研究で使用されるML手法とデータ入力を調査すること。
• ML駆動型鍼灸研究における限界と知識のギャップを評価すること。

主な方法:

• 「鍼灸」と「機械学習」をキーワードとしたPubMed（2011-2024）での包括的な文献検索。
• 36件の関連論文の特定と分析。
• 研究の応用、MLアルゴリズム、データ特徴量による分類。

主要な成果:

• 17の研究が鍼灸の有効性予測に焦点を当てており、主に疼痛疾患が対象であった。
• サポートベクターマシン（SVM）が有効性予測において最も一般的に使用されたアルゴリズムであった。
• 磁気共鳴画像法（MRI）がデータ入力として頻繁に使用された（11件中7件の研究）。

結論:

• ML手法、特にSVMは、鍼灸の有効性予測と治療の個別化を改善する可能性を示している。
• 方法論的な異質性、小規模なサンプルサイズ、データの不一致が、現在のMLモデルの一般化可能性を制限している。
• 将来の研究では、臨床的有用性を検証し、鍼灸におけるML統合を進めるために、より大規模で標準化された多施設共同研究が必要である。