精神病スペクトル障害患者の予後予測における機械学習手法の精度：系統的レビュー
カテゴリ：医療現場の業務効率化
公開日：2026年2月19日
タイトル：Accuracy of machine learning methods in predicting prognosis of patients with psychotic spectrum disorders: a systematic review.
雑誌名：BMJ Open. 2025 Feb 25; 15(2): e084463. doi: 10.1136/bmjopen-2024-084463. Epub 2025 Feb 25.
概 要：
本研究は、精神病障害患者における機能、再発、または寛解の予測精度を機械学習手法を用いて検討することを目的としています。特に、これらの臨床的結果に関連する特定の特徴を特定しました。23件の研究がレビューに含まれ、主に西洋で実施されました。機能、再発、寛解の予測における要約曲線下面積（AUC）はそれぞれ0.63-0.92、0.45-0.95、0.70-0.79と評価され、機械学習手法の有用性が示されました。
方 法：
このレビューは、診断テスト精度の系統的レビューに関するコクランハンドブックに基づいて実施されました。CINAHL、EMBASE、PubMed、PsycINFO、Scopus、ScienceDirectから、2024年11月21日までの関連文献を検索しました。機械学習手法を用いて精神病スペクトル障害の機能、再発、または寛解を予測する研究が対象となりました。
結 果：
レビューには23件の研究が含まれ、主に西洋で実施されました。機能、再発、寛解の予測におけるAUCはそれぞれ0.63-0.92（不良から優秀）、0.45-0.95（不良から優秀）、0.70-0.79（許容可能）でした。ロジスティック回帰とランダムフォレストが最も良好なアルゴリズムとして評価されました。結果に影響を与える要因には、人口統計（年齢、民族）、病気（未治療期間、症状の種類）、機能（基礎機能、人間関係、活動参加）、治療変数（抗精神病薬の高用量使用、電気けいれん療法）、パッシブセンサーからのデータ（通話履歴、移動距離、特定の場所での時間）、オンライン活動（使用時間、特定の単語の使用、検索頻度やクエリの長さの変化）が含まれました。
結 論：
機械学習手法は、関連する変数に基づいて精神障害の予後（特に機能、再発、寛解）の予測において有望であることが示されました。今後の研究では、エコロジカルモーメンタリーアセスメントを含むより広範な変数の導入と、長期的な病歴をカバーする質の高いビッグデータの使用、研究結果の外部検証に焦点を当てることが望まれます。