ルーチン血液検査を用いた鎌状赤血球症の重症度層別化に関するAI支援意思決定支援：系統的レビューとメタアナリシス
カテゴリ：医療現場の業務効率化
公開日：2026年7月21日
タイトル：AI-assisted decision support for sickle cell disease severity stratification using routine blood tests: a systematic review and meta-analysis
雑誌名：BMC Med Inform Decis Mak. 2026 Jul 20; doi: 10.1186/s12911-026-03679-8.
概 要：
鎌状赤血球症（SCD）の重症度層別化は、特に資源が限られた環境において困難です。本研究では、ルーチンの完全血球計算（CBC）パラメータを用いたAIモデルがリスク層別化のためのアクセス可能なツールとして提案されていますが、その全体的な性能と臨床的適用性は不確かです。60件の研究を対象にした系統的レビューとメタアナリシスを実施し、AIモデルの性能を評価しました。
方 法：
PRISMA-DTA 2020に準拠した系統的レビューとメタアナリシスを行い、25,354人の患者を含む60件の研究を分析しました。AIモデルは、臨床重症度分類やイベントベースのアウトカムなど、異なる基準に対して評価されました。バイアスのリスクはQUADAS-2およびPROBAST-AIを用いて評価し、階層的要約受信者動作特性（HSROC）モデルを用いてプール推定を生成しました。
結 果：
プールされた曲線下面積（AUC）は0.87（95% CI: 0.84-0.90）で、感度は0.83（0.79-0.86）、特異度は0.85（0.81-0.88）でした。高所得国ではAUCが0.90と高い精度を示しましたが、低・中所得国ではAUCが0.82と低下しました。赤血球分布幅と血小板数が重要な予測因子として一貫して特定されましたが、アウトカム定義や基準の異質性が解釈を制限しています。
結 論：
ルーチンCBCパラメータを用いたAIモデルは、SCDのリスク層別化において有望な分析性能を示しました。しかし、普遍的に受け入れられた重症度のゴールドスタンダードの欠如、アウトカム定義の変動、医療環境の違いが直接的な臨床適用性を制限しています。これらの結果は、より広範な実世界での実装を考慮する前に、慎重な前向き検証と臨床的有用性の評価を支持します。