左心室肥大検出における機械学習：系統的レビューとメタアナリシス
カテゴリ：高齢者医療・介護
公開日：2026年3月4日
タイトル：Machine Learning in Left Ventricular Hypertrophy Detection: Systematic Review and Meta-Analysis
雑誌名：J Med Internet Res. 2026 Feb 27; 28: e76637. doi: 10.2196/76637. Epub 2026 Feb 27.
概 要：
近年、左心室肥大（LVH）の検出における機械学習（ML）アプローチが研究されていますが、LVH検出の精度は異なるモデル変数やモデルによって異なります。本研究は、これらのMLアプローチの診断精度を系統的に評価し、人工知能ツールの開発に役立てることを目的としています。25件の研究を分析し、ECG、臨床特徴、心エコー図に基づくモデルの性能を比較しました。
方 法：
PubMed、Embase、Cochrane Library、Web of Scienceを2025年11月12日まで包括的に検索しました。バイアスリスク評価にはPrediction Model Risk of Bias Assessment Toolを使用し、MLモデルの種類やモデル変数に基づくサブグループ分析を行いました。メタアナリシスには、検証セットからの診断2×2テーブルのみをプールしました。
結 果：
25件の研究が分析に含まれ、MLモデルの性能は入力データの種類やアルゴリズムによって異なりました。ECGベースのモデルは感度0.76（95% CI 0.66-0.84）、特異度0.84（95% CI 0.78-0.89）を示しました。心エコー図ベースのモデルは感度0.71から0.94、特異度0.67から0.96の範囲でした。臨床特徴に基づくモデルは感度0.78（95% CI 0.69-0.85）、特異度0.71（95% CI 0.65-0.76）でした。
結 論：
MLはLVH検出において高い精度を示しますが、限られた証拠に基づいています。メタアナリシスで報告された極端な異質性は、より批判的な解釈を必要とします。モデルの精度に関する現在の結論は慎重に解釈すべきであり、今後の研究ではLVH診断のための高性能なMLモデルの構築に焦点を当てるべきです。