機械学習予測モデル研究のバイアスリスク、87%が高リスクと判明、臨床応用には課題

【背景】

機械学習を用いた予測モデルは臨床現場での応用が期待されていますが、その開発研究の質については不明な点が多く、体系的な評価が必要とされていました。本研究は、機械学習予測モデル研究の網羅的な質の評価を目的としています。

【結果】

152の研究が対象となり、171のモデル開発または外部検証のうち、148（87%、95%CI 81%〜91%）が高バイアスリスクと評価されました。特に解析ドメインでのバイアスリスクが高く、56%のモデルで候補予測因子あたりのイベント数が不十分でした。

【臨床へのインパクト】

機械学習を用いた予測モデル研究の多くは方法論的質が低く、バイアスリスクが高いことが示されました。小規模な研究、欠損データの不適切な処理、過学習への対処不足が主な要因です。これらの課題が解決されない限り、機械学習予測モデルの臨床現場への導入は慎重に進める必要があり、研究の質向上への取り組みが不可欠です。

本記事は AI（Gemini）が PubMed 上の英語 Abstract を要約したものです。臨床判断には必ず原著をご確認ください。