肝脂肪症におけるAIの診断性能と臨床的影響の評価：系統的レビューとメタアナリシス
カテゴリ：診断支援・画像解析
公開日：2026年2月19日
タイトル：Assessment of the Diagnostic Performance and Clinical Impact of AI in Hepatic Steatosis: Systematic Review and Meta-Analysis
雑誌名：J Med Internet Res. 2026 Jan 13; 28: e78310. doi: 10.2196/78310. Epub 2026 Jan 13.
概 要：
このレビューは、肝脂肪症（HS）に対するAIモデルの診断性能を定量的に評価し、研究間の異質性の要因を探り、臨床適用性や移行可能性、広範な実施を妨げる主要な障壁を評価することを目的としています。肝生検の侵襲性や超音波による早期脂肪症検出の限界が診断のギャップを強調しており、AIは医療画像データからの自動検出とグレーディングを可能にする変革的なツールとして浮上しています。
方 法：
PubMed、Cochrane Library、Embase、Web of Science、IEEE Xploreのデータベースを2025年9月24日まで検索し、AIを用いたHS診断に関する研究を選定しました。診断性能指標（感度、特異度、AUC）を抽出し、メタアナリシスを実施しました。QUADAS-2ツールを用いて方法論的品質とバイアスリスクを評価し、異質性をI²統計やバイバリアットボックスプロットで評価しました。
結 果：
36件の適格研究が特定され、そのうち33件（36コホート）がサブグループ分析に含まれました。AIモデルは優れた診断精度を示し、感度0.95、特異度0.93、AUC0.98を達成しました。臨床適用性分析は、AIがHSの確認と除外に強い可能性を持つことを支持しましたが、研究間の異質性が大きく（I² > 75%）、患者選択におけるバイアスリスクが高いことが示されました。深層学習モデルは従来の機械学習アプローチを大きく上回りました。
結 論：
AIは、特にプライマリケアにおける非侵襲的なHSのスクリーニングと評価において顕著な可能性を示していますが、臨床への移行は性能の変動や外部検証の欠如、データプライバシーやワークフロー統合といった実務的障壁によって制限されています。今後の研究は、現在の証拠と臨床応用のギャップを埋めるために、前向きの多施設試験と標準化された外部検証を優先すべきです。