要旨 宿主に基づく診断と機械学習を組み合わせることで、感染症状態をより迅速に識別し、不要な抗菌薬治療を減らせる可能性がある。本研究では、病原体検出、感染分類、またはこれらに密接に関連する宿主応答診断を目的として、臨床患者データに機械学習手法を適用した近年の研究を系統的にレビューした。4つの文献情報源を対象に、2020年1月から2025年8月までを検索範囲とした。検索で得られた144件の記録のうち、51件が宿主診断に関する初期スクリーニングを通過し、21件の論文が最終的な適格基準を満たした。これらの論文には、臨床変数、遺伝子または分子発現測定、医用画像、生理学的信号、顕微鏡画像にまたがる54件の評価済みモデルが含まれていた。最も頻繁に評価されたモデル種別はランダムフォレストであり、54件中23件を占め、次いでニューラルネットワークが17件、サポートベクターマシンが9件、ロジスティック回帰が5件であった。入力モダリティ、コホート構成、前処理、検証戦略、ハイパーパラメータ選択、報告された評価項目が大きく異なっていたため、研究間でモデル性能を直接比較することはできなかった。主要な性能指標は正解率と受信者動作特性曲線下面積（AUC）であり、14件のモデル評価が正解率のみ、20件がAUCのみ、20件が両方を報告していた。感度、特異度、F1スコア、マシューズ相関係数などの追加指標を報告した評価は16件にとどまった。画像研究では概してニューラルネットワーク手法が選好された一方、分子発現研究ではランダムフォレストが頻繁に用いられていた。しかし、普遍的に最適なモデルを裏付けるエビデンスは得られなかった。臨床応用には、AUCとクラス別指標を併記する報告基準、前処理と検証に関する透明性の高い記述、外部検証、解釈可能な特徴量重要度分析が必要である。意図された診断状況と切り離してアルゴリズムを選択するよりも、入力データの生物学的・技術的特性にモデル構造を整合させる方が有益である。
https://doi.org/10.21203/rs.3.rs-10907969/v1