光電脈波計を用いた閉塞性睡眠時無呼吸の診断における人工知能の精度：系統的レビューとメタアナリシス
カテゴリ：手術支援
公開日：2026年9月26日
タイトル：Accuracy of Artificial Intelligence in Diagnosing Obstructive Sleep Apnea Using Photoplethysmography: Systematic Review and Meta-Analysis
雑誌名：J Med Internet Res. 2026 Sep 25; 28: e78718. doi: 10.2196/78718.
概 要：
本研究は、閉塞性睡眠時無呼吸（OSA）の診断におけるAIベースの光電脈波計（PPG）を用いたアプローチの診断精度を評価することを目的としています。従来のポリソムノグラフィーによる診断は高額でアクセスが難しいため、PPGを用いた新たな手法が提案されています。13件の研究を対象にしたメタアナリシスを実施し、AIモデルの感度と特異度を評価しました。
方 法：
PubMed、Embase、Scopus、Web of Science、IEEE Xploreを用いて、2025年11月3日までの観察研究を検索しました。対象は、成人におけるPPGを用いたAI診断法の精度を従来の睡眠検査と比較した研究です。データは独立したレビュアーによって抽出され、QUADAS-2ツールを用いてバイアスリスクが評価されました。ベイジアン二変量メタアナリシスを用いて推定値を統合し、サブグループ分析やメタ回帰分析も実施しました。
結 果：
12,579件の記録から13件の研究（参加者9,983人）を含めました。AIモデルは、PPGを用いた場合、感度79.6%（95%信頼区間55.5%-93.8%）、特異度76.5%（95%信頼区間48.2%-94.0%）を達成しました。AHIの重症度が増すにつれて、特異度は向上しましたが、感度は低下しました。深層学習モデルは、従来の機械学習よりも高い特異度（82.9%）を示しました。
結 論：
PPGを用いたAIモデルは合理的な精度を持ち、低コストのスクリーニングツールとしての可能性がありますが、小規模なサンプルサイズやバイアスの可能性、特定地域の過小評価などの限界があるため、さらなる研究が必要です。今後の研究は、プライマリケアにおけるこのアプローチの実現可能性とアクセス性を向上させるために、深層学習に焦点を当てるべきです。