夜間パルスオキシメトリーを用いた閉塞性睡眠時無呼吸の人工知能診断：系統的レビューとベイジアンメタアナリシス
カテゴリ：手術支援
公開日：2026年5月16日
タイトル：Artificial Intelligence Diagnosis of Obstructive Sleep Apnoea using Overnight Pulse Oximetry: A Systematic Review and Bayesian Meta-Analysis
雑誌名：J Med Internet Res. 2026 May 06; doi: 10.2196/80349.
概 要：
閉塞性睡眠時無呼吸（OSA）は人口の38%に影響を及ぼしますが、90%以上の症例が未診断です。現在の診断基準であるポリソムノグラフィー（PSG）は専門的な機器と訓練を必要とし、一次医療や急性期の設定ではアクセスが困難です。本研究は、パルスオキシメトリーのデータを用いたAIモデルの診断精度を評価することを目的としています。
方 法：
2026年1月3日までにMedline/PubMed、Embase、Scopus、Web of Science、IEEE Xploreのデータベースを系統的に検索しました。AHIを基準としたAIモデルの診断精度を評価した研究を選定し、2名の独立したレビュアーがスクリーニングを行いました。ベイジアン二変量メタアナリシスとメタ回帰を用いてモデルを評価し、出版バイアスを選択モデルアプローチで検討しました。
結 果：
13,986件の文献から25件の研究が選定され、23,171人の参加者が含まれました。AIオキシメトリーモデルは、感度91.1%、特異度88.4%を示し、診断オッズ比は77.7でした。ニューラルネットワーク分類器が最も高い感度（92.7%）と特異度（91.3%）を達成しました。AHIカットオフが高くなるにつれて感度はわずかに低下し、特異度は増加しました。
結 論：
AIオキシメトリーモデルは、OSAの診断において高い精度を示し、従来の夜間オキシメトリーやHSATと比較しても優れた性能を発揮しました。このレビューは、オキシメトリーデータのみに基づいたAIモデルの初の定量的合成を提供し、実際の医療現場でのスクリーニングツールとしての可能性を支持します。広範な実用化の前に、多様な集団での外部検証が必要です。