パーキンソン病におけるデジタルバイオマーカー：文献計量分析と歩行の凍結に対する深層学習のスコーピングレビュー
カテゴリ：高齢者医療・介護
公開日：2026年2月19日
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主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、750件の研究を分析し、深層学習モデルに関するスコーピングレビューを行いました。結果として、3700人の研究者が関与し、特にアメリカが最も多くの研究を発表しました。歩行の凍結（FOG）に関する深層学習モデルの平均精度は0.92であり、感度は0.88、特異度は0.90でした。研究は現在安定した発展段階にあり、今後はAIの応用や異なるデータタイプの包括的分析が期待されます。
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行い、パーキンソン病のデジタルバイオマーカーの多次元的な状況を評価しました。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、5つのデータベース（Web of Science、PubMed、IEEE Xplore、Embase、Google Scholar）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実施しました。
結 果：
文献計量分析には750件の研究が含まれ、スコーピングレビューには40件が含まれました。神経学が最も高い平均参加率を示し、アメリカが最も多くの研究を発表しました。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、AUCは0.91でした。78%の研究が最良の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、国際的な関心が高まっていますが、学際的な協力や企業からの資金不足といった課題が残っています。今後は、AIの深い応用や異なるデータタイプの包括的分析が進むと考えられます。