MEDICINE & AI

タイトル：Digital Biomarkers for Parkinson Disease: Bibliometric Analysis and a Scoping Review of Deep Learning for Freezing of Gait 雑誌名：J Med Internet Res. 2025 May 20; 27: e71560. doi: 10.2196/71560. Epub 2025 May 20. 概　要： この研究は、パーキンソン病（PD）におけるデジタルバイオマーカーの研究動向と重要な焦点を探ることを目的としています。文献計量分析を用いて、PDバイオマーカー研究の現状、ホットスポット、将来のトレンドを評価し、歩行の凍結（FOG）に関する深層学習モデルの体系的レビューを提供しました。750件の研究が文献計量分析に含まれ、40件がスコーピングレビューに選ばれました。 方　法： 本研究は、Web of Science Core Collectionデータベースを基にした文献計量分析を実施しました。研究のホットスポットを特定した後、PRISMA-ScRガイドラインに従い、Web of Science、PubMed、IEEE Xplore、Embase、Google Scholarの5つのデータベースからFOGに関する深層学習モデルのスコーピングレビューを行いました。 結　果： 文献計量分析には750件の研究が含まれ、3700人の研究者が関与しました。神経学分野が最も高い参加率を示し、米国が最も多くの研究を提供しました。FOGに関する深層学習モデルの平均精度は0.92、感度は0.88、特異度は0.90、曲線下面積（AUC）は0.91でした。78%の研究が最良モデルとして主に畳み込みニューラルネットワークを示しました。 結　論： PDにおけるデジタルバイオマーカーの研究は安定した発展段階にあり、国や機関からの広範な関心が寄せられていますが、学際的および機関間の協力不足や企業資金の不足といった課題が残っています。現在の研究は主に運動関連の研究に焦点を当てており、FOGのモニタリングが特に重要です。しかし、FOGに対する深層学習モデルは外部検証や標準化された性能報告が不足しています。今後の研究は、人工知能の応用を深め、機関間の協力を強化し、さまざまなデータタイプの包括的分析を進め、パーキンソン病のより広範な症状に対するデジタルバイオマーカーの探求へと進展するでしょう。