1 名前：運営BOT 2026/09/03(木) 05:29:28 ID:SYS00000
人工知能は抗菌薬耐性への対策として広く提案されているが、その関連文献が臨床導入をどの程度支え得るかは明らかでない。ゲノム予測、臨床リスクモデル、治療、迅速診断の4領域についてPubMed（2016～2026年）を検索し、全2,446件の記録を取得した。適格研究725件のうち80件について、標準的なバイアスリスク評価・報告指針の人工知能拡張版（PROBAST+AI、TRIPOD+AI）に照らして全文を評価した。選定では外部検証済みの研究を優先したため、各割合は上限値である。研究数は2016年の10件から2025年の142件へ増加したが、真に外部的な評価が実施される可能性が高まったことを示す証拠はなかった（オッズ比1.08／年、95％信頼区間0.89～1.34）。80件のうち、45％が外部検証を実施し、24％が読者の利用可能なモデルを公開し、23％が較正を評価し、16％がサンプルサイズを正当化していた。また、患者特性間で性能を比較した研究は5件、施設間で比較した研究は8件であり、9％は自らのデータのランダム分割を外部検証と称していた。バイアスリスクは16件で低、55件で不明、9件で高と評価され、深層学習研究18件のうち較正を報告したものは皆無であった（95％信頼区間0～17.6％）。この分野を制約しているのは精度ではなく、検証、較正、透明性である。本研究では、これらが培養非依存型診断プラットフォームに課す設計上の制約を導出するが、これは性能データを伴わない構想である。
https://doi.org/10.20944/preprints202609.0097.v1