急性呼吸窮迫症候群を予測する人工知能アルゴリズムの精度：系統的レビューとメタアナリシス

概要

33研究の統合により、AIモデルはARDS予測で感度0.81、特異度0.88、AUC 0.91を示し、CNN/SVM/XGBが高性能で、画像と他の予測因子の併用が最良であった。PROSPERO登録の本レビューは、モデル・予測因子の不均一性に留意しつつ、AIの臨床応用可能性を強調する。

主要発見

• 33研究の統合でARDS予測の診断性能は感度0.81、特異度0.88、AUC 0.91であった。
• CNN、SVM、XGBが他の手法より高性能で、画像と他の予測因子を併用したモデルが最良のAUCを示した。
• QUADAS-2で質評価が行われ、PROSPERO（CRD42023491546）に登録されており、方法論の透明性が担保された。

臨床的意義

とりわけ画像を含む多モダリティ入力のCNN/SVM/XGBは、ARDS（急性呼吸窮迫症候群）の早期同定とトリアージを支援し得る。導入には外部検証、キャリブレーション、業務フロー統合を伴い、誤警報とバイアスの最小化が必要である。

限界

• 研究間でモデル種別、予測因子、ARDS定義に不均一性がある
• モデル開発は後ろ向き研究が中心で外部検証が限られ、過学習やバイアスの懸念がある

今後の方向性

ICUワークフローにAIを統合する前向き多施設インパクト試験、ARDS定義の標準化、公平性・キャリブレーション・説明可能性の評価が必要である。