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7月9日
タイトル：Artificial Intelligence Diagnosis of Obstructive Sleep Apnea Using Overnight Pulse Oximetry: A Systematic Review and Bayesian Meta-Analysis
雑誌名：J Med Internet Res. 2026 Jul 08; 28: e80349. 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のままです。ポリソムノグラフィーは診断の金標準ですが、専門的な機器と訓練を受けた人員が必要で、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：
Medline/PubMed、Embase、Scopus、Web of Science、IEEE Xploreのデータベースを用いて、2026年1月3日までの研究を系統的に検索しました。酸素飽和度の記録に基づくAIモデルの診断精度を評価した研究を選定し、ベイジアン二変量メタアナリシスとメタ回帰を用いて評価しました。バイアスのリスクと証拠の質はQUADAS-2とGRADEを用いて評価しました。
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%（95%信頼区間89.7%-92.4%）、特異度88.4%（95%信頼区間85.3%-90.8%）を示しました。ニューラルネットワーク分類器は最も高い感度（92.7%）と特異度（91.3%）を達成しました。感度はAHIカットオフが高くなるにつれてわずかに低下しましたが、特異度はAHIカットオフが5から30に上がると16.6%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自宅睡眠時無呼吸検査と比較しても優れた性能を持つことが確認されました。このレビューは、オキシメトリーデータのみに基づく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高リスク患者の早期特定に向けた便利でスケーラブルなツールとしての可能性を支持します。