神経認知障害の早期診断のためのマルチモーダルバイオマーカーAI技術：系統的レビュー
カテゴリ：高齢者医療・介護
公開日：2026年4月2日
タイトル：Multimodal biomarker AI techniques for early neurocognitive disorder diagnosis: A systematic review.
雑誌名：Artif Intell Med. 2026 Mar 23; 177: 103389. doi: 10.1016/j.artmed.2026.103389.
概 要：
アルツハイマー病（AD）や関連する認知症の早期診断は困難であり、単一のバイオマーカーでは複雑な病理を十分に捉えられません。近年、神経画像、体液バイオマーカー、遺伝子、認知評価などの異種データソースを統合するマルチモーダルAIモデルが、早期発見とリスク層別化を改善するための有望な戦略として浮上しています。本研究では、2010年から2025年に発表された27件の査読済み研究を対象に、AI/機械学習を用いた診断分類や予後予測に関する系統的レビューを行いました。
方 法：
PRISMAガイドラインに従い、27件の研究を選定しました。これらの研究は、2つ以上のバイオマーカーのモダリティを用いており、少なくとも1つの侵襲性の低いまたは広く展開可能なモダリティ（例：認知テスト、血液バイオマーカー、APOE/遺伝子、網膜画像、または日常臨床特徴）を組み込んでいます。バイアスのリスクはQUADAS-2を用いて評価しました。
結 果：
27件の研究では、マルチモーダルAIモデルが一般的に最良の単一モダリティのベースラインを上回り、特に補完的な生物情報（例：画像と分子または臨床特徴の組み合わせ）を統合する際に効果を発揮しました。診断タスクでは高い識別率（内部検証下でのAUCは約0.85-0.95）が達成されることが多かった一方、MCIからADへの転換に関する予後予測はより困難で、最良のモデルでもAUCは約0.75-0.85でした。しかし、外部検証が稀であり、QUADAS-2では過剰適合リスクや不完全な検証に関する懸念がしばしば指摘されました。
結 論：
マルチモーダルAIは、AD/MCI関連の病理をより包括的に表現し、早期診断分類を改善する可能性がありますが、外部検証の限界や報告の不均一性が一般化と臨床信頼を妨げています。今後は、前向きな多施設研究、堅牢な外部検証、透明な報告（解釈可能性分析を含む）を優先する必要があります。