MEDICINE & AI

タイトル：Multimodal AI for Alzheimer Disease Diagnosis: Systematic Review of Datasets, Models, and Modalities DOI：10.2196/85414 概　要：この系統的レビューは、アルツハイマー病（AD）の診断、予後、リスク予測に関するマルチモーダルAIモデルの研究を分析することを目的としています。データセットの特性、モダリティの組み合わせ、モデリング戦略、パフォーマンス指標、方法論的制限を評価し、実世界での影響と移行経路についても議論します。最近のマルチモーダルAIモデルは進展を遂げていますが、データセットの異質性や報告の質のばらつきにより、証拠が断片化しています。 方　法：PRISMA 2020ガイドラインに従い、PubMed、IEEE Xplore、Scopus、ACM Digital Library、Cochrane、arXivを系統的に検索しました。AD、軽度認知障害、認知症に関連するマルチモーダル機械学習または深層学習を適用した研究を対象とし、単一モダリティの研究や方法論的詳細が不十分な研究は除外しました。バイアスのリスクはQUADAS-2を用いて評価しました。 結　果：66件の研究が選定基準を満たしました。マルチモーダルモデルは一貫して単一モダリティのベースラインを上回りました。ADNIに基づく診断は平均92.5%の精度を達成し、軽度認知障害の転換モデルは平均AUC 0.922を示しました。UK Biobankのリスク予測研究は平均AUC 0.84、DementiaBankの言語研究は平均AUC 0.813を達成しました。自己収集したマルチモーダルデータセットは平均96%の精度を示しましたが、一般化可能性は限られています。 結　論：この系統的レビューは、マルチモーダルAIモデルがADの診断、予後、リスク予測において単一モダリティモデルを一貫して上回ることを示しています。異質な臨床、画像、遺伝、言語データセットを横断的に比較することで、現在の証拠が堅牢な領域と注意が必要な領域を明確にしました。標準化されたマルチモーダルベンチマークや透明な評価プロトコルの必要性が強調され、信頼性のある実世界での展開を可能にするための基盤を提供します。