MEDICINE & AI

タイトル：Diagnostic Performance of Computed Tomography-Based Artificial Intelligence for Early Recurrence of Cholangiocarcinoma: Systematic Review and Meta-Analysis 雑誌名：J Med Internet Res. 2025 Sep 18; 27: e78306. doi: 10.2196/78306. Epub 2025 Sep 18. 概　要： このメタアナリシスは、CT画像を用いた人工知能（AI）モデルが胆道癌の早期再発を予測する診断性能を系統的に評価することを目的としています。AIモデルは高い予測精度を示していますが、臨床応用には再現性や一般化可能性、隠れたバイアス、さまざまなデータセットや集団における不確実な性能といった課題があります。本研究では、胆道癌と診断された患者を対象に、早期再発の予測に関するAI技術の有効性を検証しました。 方　法： PubMed、Embase、Web of Scienceを用いて、2025年5月までに発表された研究を系統的に検索しました。参加者は胆道癌と診断された患者で、AI技術を用いたCT画像による早期再発予測を行った研究を選定しました。主要評価指標は感度、特異度、診断オッズ比（DOR）、受信者動作特性曲線下面積（AUC）で、内部および外部検証コホートで評価しました。メソッドの質は、診断精度研究の質評価ツールを用いて評価しました。 結　果： 合計9件の研究から1537人の患者データが含まれました。内部検証コホートでは、CTベースのAIモデルは感度0.87（95% CI 0.81-0.92）、特異度0.85（95% CI 0.79-0.89）、DOR 37.71（95% CI 18.35-77.51）、AUC 0.93（95% CI 0.90-0.94）を示しました。外部検証コホートでは、感度0.87（95% CI 0.81-0.91）、特異度0.82（95% CI 0.77-0.86）、DOR 30.81（95% CI 18.79-50.52）、AUC 0.85（95% CI 0.82-0.88）でした。外部検証コホートのAUCは内部検証コホートに比べて有意に低下しました（P<.001）。 結　論： CTベースのAIモデルは、内部検証セットで高い性能を示し、外部検証セットでは中程度の性能を示しましたが、高い異質性が結果の堅牢性に影響を与える可能性があります。今後の研究では、前向き研究や標準化されたゴールドスタンダードの確立に焦点を当て、AIモデルの臨床適用性と一般化可能性をさらに検証する必要があります。