MEDICINE & AI

タイトル：Use of Conventional Artificial Intelligence Methods in the Identification of Frailty: A Scoping Review DOI：10.1111/jgs.70387 概　要：虚弱の早期特定と管理は重要ですが、初期段階での検出は臨床医にとって困難です。人工知能（AI）は医療において有望なツールとして浮上していますが、虚弱の定義が標準化されておらず、AI手法の多様性があるため、包括的なレビューが必要です。本研究では、虚弱の特定と管理のためにAIアルゴリズムを訓練する際の基準として使用される臨床ツールと概念的枠組みを調査し、現在のAI手法を説明し、これらの技術の開発と評価における知識利用者の関与を探ります。 方　法：ArkseyとO'Malleyのフレームワークに従い、Levacらとジョアンナ・ブリッグス研究所によって強化されたスコーピングレビューを実施しました。Medline、Embase、PsycInfo、CINAHL、Ageline、Web of Science、Scopus、IEEE Xploreの8つの学術データベースと、ProQuest Dissertations & Theses Globalの1つのグレー文献ソースを検索しました。要旨と全文のスクリーニングおよびデータチャートは二重で行われ、結果はテキストとグラフィカルな表現で要約されました。 結　果：レビューには33件の出版物が含まれ、主に2020年以降に発表されたものです。23種類の異なるAI手法が提示され、ロジスティック回帰や決定木などの標準的なモデルアプローチが最も一般的でした。AIモデルを訓練するために使用された21の異なる基準の中で、Physical Frailty Phenotypeが最も頻繁に引用されました（n=7）。ほとんどのAI手法（n=27）は虚弱の特定を優先し、1つは虚弱の管理に取り組み、5つは両方に焦点を当てました。知識利用者がAIツールの定義や検証に関与した論文はなく、アルゴリズムのバイアスを探求した研究は3件のみでした。 結　論：虚弱に関する文献と同様に、新たに出現したAIツールは虚弱の一貫した定義を欠いており、設計や実施において不整合が生じています。知識利用者の関与が欠如していることは、これらの技術の臨床的関連性と公平性をさらに制限する可能性があります。