線維筋痛の管理のための人工知能と機械学習の使用: スコーピングレビュー
Ana Laura Clempi Almeida E Silva1, Victor Hugo Palhares Flávio Reis1, Antonieta Santos Andrade Lamoglia1
1Laboratory of Immunology and Omic Sciences - LImCOm. Institute of Natural and Biological Sciences, Federal University of Triângulo Mineiro, Research Building Prof. Aluízio Rosa Prata, Uberaba, Brazil.
The Journal of manual & manipulative therapy
|February 17, 2026
まとめ
人工知能と機械学習は,線維筋痛症 (FM) の診断において有望であることを示しています. 研究では,潜在的なバイオマーカーを特定し,高い精度を達成しましたが,臨床使用にはより大きな試験が必要です.
科学分野:
- バイオメディカル・インフォマティクス
- コンピュータ生物学 コンピュータ生物学
- 医療診断 医療診断
背景:
- 線維筋痛 (FM) は,その複雑で多因的な性質と特定のバイオマーカーの欠如により,診断上の課題を提示します.
- 広範な痛み,疲労,および認知の問題がFMの特徴であり,臨床評価と管理を複雑にします.
- 異質な患者のプレゼンテーションは,線維筋痛の正確で適時な診断を達成する困難をさらに悪化させます.
研究 の 目的:
- 線維筋痛の診断と管理における人工知能 (AI) と機械学習 (ML) の応用に関するスコーピングレビューを実施する.
- 現在の研究動向を調査し,FM研究で使用される主要なAI/ML技術とデータタイプを特定します.
- 線維筋痛の診断上の限界に対処するAI/MLの臨床的関連性と可能性を評価する.
主な方法:
- FMにおけるAI/MLに関する研究について,PubMed,EMBASE,コクラン図書館で体系的な文献検索を行います.
- PRISMA-ScRガイドラインに準拠して,2011年から2024年の間に発表された43件の研究が含まれています.
- 選択された研究で報告されたML技術,診断目標,データ様式,および臨床結果の分析.
主要な成果:
- 監督アルゴリズム (SVM,ニューラルネットワーク,アンサンブルモデル) と無監督テクニックは,診断の正確性のために主に使用されました.
- 神経画像 (fMRI),遺伝子発現,網膜画像,およびマイクロRNA (例えば,hsa-miR-28-5p) を含む潜在的なバイオマーカーの識別.
- 報告された診断の精度は82%から100%の範囲であったが,多くの研究はサンプルサイズが小さく,一般化を制限していた.
結論:
- AIとMLは,線維筋痛における既存の診断および治療上の障害を克服するための強力なツールを提供します.
- 現在の研究は,FMの診断と管理を改善するためにAI/MLの有意な可能性を示している.
- さらに大規模な多センター検証研究は,AI/MLを線維筋痛症の臨床的に信頼性の高い解決策として確立するために不可欠です.
キーワード:
スコーピングの見直し人工知能 (AI) とは,人工知能 (AI) に関する病気の管理 病気の管理線維筋痛症 (Fibromyalgia) とは機械学習 (Machine Learning) とは,機械学習 (Machine Learning) とは,機械学習 (Machine Learning) と呼ばれるものです.
