MEDICINE & AI

タイトル：A scoping review on artificial intelligence-based tools for cardiovascular disease risk prediction 雑誌名：BMC Med Inform Decis Mak. 2026 Jul 18; doi: 10.1186/s12911-026-03699-4. 概　要： 心血管疾患（CVD）は世界的な死亡原因の一つであり、早期のリスク予測が重要です。本研究は、確立されたCVDを持たない個人に対するAIベースの予後モデルを用いたCVDリスク予測の研究の範囲、種類、報告の質を調査しました。AIモデルは予測の改善が期待されますが、解釈可能性やリスク因子の信頼性、クロスバリデーションの必要性に関する疑問が残っています。 方　法： PubMed、IEEE Xplore、Web of Science、Scopus、Google Scholarを用いて6,710件の文献を系統的に検索しました。PRISMA-ScRフレームワークとJBIガイドラインに従ってスクリーニングとデータ抽出を行い、TRIPOD-AI報告チェックリストに基づいて含まれる研究を評価しました。レビューのプロトコルはOpen Science Frameworkに登録されています。 結　果： 30件の研究が含まれ、すべて2017年以降に発表されました。多くの研究は大規模データセット上の既存モデルを利用し、主に単一の臨床データと機械学習アルゴリズム（ランダムフォレストやサポートベクターマシン）を活用しました。30件中24件が単一モーダルアプローチを使用し、6件のマルチモーダル研究は一貫して強いパフォーマンスを示しましたが、研究数が少なく多様性に欠けます。12件の研究は従来のリスクスコア（フラミンガムリスクスコアなど）との直接比較を行い、比較可能またはわずかに改善された識別力を示しましたが、方法論的な異質性が結論の強さを制限しています。外部検証は7件の研究で報告され、予測と観察されたイベント率の一致（キャリブレーション）は30件の研究で報告されていません。感度は最も報告が少なく、4件の研究にしか現れず、意思決定曲線分析を報告した研究はありませんでした。 結　論： AIベースのCVDリスク予測ツールは期待されますが、検証、キャリブレーション報告、臨床有用性評価において重要なギャップがあり、現在のところ臨床での展開は難しいです。今後の研究では、多様な集団における外部検証の優先、識別指標に加えキャリブレーションと感度の必須報告、透明性と再現性を向上させるための報告基準や評価ツールの採用が求められます。