MEDICINE & AI

タイトル：Systematic review and epistemic meta-analysis to advance binomial AI-radiomics integration for predicting high-grade glioma progression and enhancing patient management 雑誌名：Sci Rep. 2025 May 08; 15(1): 16113. 概　要： 高悪性度神経膠腫、特にグリオブラストーマは、最も攻撃的で致命的な中枢神経系腫瘍の一つであり、高度な診断および予後戦略が必要です。本研究は、人工知能（AI）とラジオミクスの統合（AIRI）を探求し、腫瘍の進行予測モデルを強化することを目的としています。文献検索により19件の高品質な研究が特定され、放射線特徴と機械学習モデルが全生存期間（OS）および無増悪生存期間（PFS）の予測において評価されました。特定のMRI由来の放射線特徴の予測力や、サポートベクターマシン（SVM）およびランダムフォレスト（RF）モデルの優れた性能が示され、OSに対して98%のAUCと98.7%の精度を達成しました。さらに、現在の研究が異なるパフォーマンス指標で結果を報告しているため、知識の統合が困難であることも指摘されています。 方　法： 本研究は系統的レビューと認識的メタアナリシスを用いて、19件の高品質な研究を分析しました。これらの研究では、MRI由来の放射線特徴と機械学習モデルが全生存期間（OS）および無増悪生存期間（PFS）の予測に使用されました。主要評価指標には、AUCスコアや精度が含まれています。 結　果： 特定のMRI由来の放射線特徴（例：ログフィルター、ガボールテクスチャ）が高い予測力を示し、SVMおよびRFモデルがOS予測において98%のAUCと98.7%の精度を達成しました。また、現在の研究が異なるパフォーマンス指標を使用しているため、結果の比較が難しいことが明らかになりました。 結　論： AIとラジオミクスの統合（AIRI）は、臨床意思決定を洗練させ、患者のアウトカムを向上させる可能性があります。本研究は、バイアスを避け、結果を比較可能にするための構造化されたAIRI開発ロードマップとガイドラインを提案しています。標準化された特徴抽出とAIモデルの訓練が再現性を向上させることが強調されています。