AIが「隠れた肺機能低下」を早期発見へ——PRISmへの人工知能応用を整理した系統的レビュー
肺機能検査で見逃されやすい「比率保存型スパイロメトリー障害（PRISm）」に、人工知能（AI）を活用しようとする研究が急速に増えています。最新の系統的レビューが11件の研究を分析し、AIがこの領域で高い可能性を持つことを示しました。
何が分かったか――結論
呼吸機能の一種である「PRISm（比率保存型スパイロメトリー障害）」の診断・分類にAIを応用した研究を網羅的に調べたところ、画像解析・代謝物分析・環境暴露評価など複数の視点からAIが有効に機能することが示されました。特に、複数種類のデータを組み合わせたモデルは、単一のデータだけを使うモデルよりも高い識別精度を示す傾向がありました。研究の大半は過去2年以内に発表されており、この分野のAI研究は始まったばかりといえます。
研究の概要――対象と方法
本研究はPubMed・Cochrane Library・Web of Science・Ovid Medline・Scopus・Embaseという6つの主要な医学データベースを横断的に検索した系統的レビューです。「PRISm」と「人工知能」に関連する論文を対象に絞り込み、最終的に11件の研究が分析に含まれました。
PRISm（Preserved Ratio Impaired Spirometry）とは、肺活量の比率（FEV1/FVC比）は正常範囲内に保たれているものの、絶対的な肺活量（FEV1またはFVC）が低下している状態を指します。COPDや喘息とは異なる特徴を持ちながら、将来的な肺疾患リスクや死亡リスクとの関連が報告されている一方で、通常の検査では見落とされやすい状態です。
結果――AIはどのように活用されていたか
11件の研究はいずれも「診断と分類」を目的としており、使用されたAI技術の内訳は以下の通りです。ラジオミクス（医療画像から大量の特徴量を抽出する手法）を用いた研究が3件、機械学習アルゴリズムを用いた研究が4件、機械学習とラジオミクスを組み合わせた研究が2件、深層学習を用いた研究が2件でした。
扱われたデータの種類も多岐にわたり、呼気に含まれる代謝物（exhaled metabolomics）、大気汚染などの環境暴露データ、CTなどの医療画像、そして深層学習による特徴抽出が含まれていました。これらの研究はいずれも、AIがPRISmの早期識別に技術的に応用可能であることを予備的に示しています。また、画像・代謝・環境など複数のデータソースを統合したモデルが、単一モダリティのモデルと比べて識別性能で優れた結果を示していました。
生活への示唆
PRISm自体はまだ一般にはあまり知られていない状態ですが、将来の呼吸器疾患リスクや健康への影響との関連が研究者の間で注目されています。今回のレビューは、AIを使った早期発見の枠組みが技術的には成立し得ることを示唆しており、将来的には「静的な診断」から「動的なリスク早期警告」へと発展する可能性が議論されています。
ただし、現時点では11件という限られた研究数であり、多くが小規模かつ単施設の研究です。研究者たちは、今後プライバシーに配慮した形で複数施設のデータを統合・共有すること、またアルゴリズムの汎用性をさらに高めることが課題だと指摘しています。AIによるPRISm管理が実際の医療現場に導入されるには、さらなる検証と大規模な研究の積み重ねが必要とされます。
出典
PloS one(2026)
Comprehensive application of artificial intelligence in preserved ratio impaired spirometry: A systematic literature review.(PubMedで見る)
本記事は紹介した研究結果を分かりやすくまとめたものであり、特定の症状や病気に対する診断・治療を推奨するものではありません。健康上の不安がある場合は医師にご相談ください。本記事はAIによる翻訳・要約を活用して作成し、公開前に運営者が内容を確認しています。詳細は「制作プロセス開示」「免責事項」ページをご覧ください。