患者報告アウトカム指標の予測：人工知能による患者嗜好予測器のスコーピングレビュー
カテゴリ：手術支援
公開日：2026年2月19日
タイトル：Predicting patient reported outcome measures: a scoping review for the artificial intelligence-guided patient preference predictor
雑誌名：Front Artif Intell. 2024; 7: 1477447.
概 要：
本研究は、人工知能を用いた患者嗜好予測器（PPP）の開発に向けたスコーピングレビューを行い、機械学習を用いて患者報告アウトカム指標（PROMs）を予測する研究を検討しました。特に、意識のある患者に対するPROMsの予測における成功事例を示すことで、意識のない患者向けの個別化されたPPPモデルの開発の可能性を探ります。68件の研究がPROMsの評価に機械学習を使用し、20件が理論的なPPPに焦点を当てました。
方 法：
PubMed、Embase、Scopusを用いて、PRISMA-ScRガイドラインに従い、医療イベント後のPROMsを予測するための機械学習を使用した研究と理論的PPPを探求する定性的研究を収集するスコーピングレビューを実施しました。
結 果：
68件の研究がPROMsの評価に機械学習を使用し、整形外科手術（n=33）や脊椎手術（n=12）が最も一般的な医療イベントでした。予測因子として、人口統計（n=30）、イベント前のPROMs（n=52）、併存疾患（n=29）、健康の社会的決定因子（n=30）、手術中の変数（n=124）が使用されました。34種類のPROMsがターゲットアウトカムとして使用され、評価指標はタスクによって異なりましたが、全体的にパフォーマンスは良好から中程度でした。イベント前のPROMsが最も予測力が高いことが示されました。
結 論：
PPPの主な目的は、介入後の患者報告の生活の質を推定することです。意識のある患者に対するPROMsの予測における機械学習の使用は、意識のない患者向けの個別化されたPPPを構築するための課題と機会を提供します。