Artificial Intelligence in Nailfold Capillaroscopy: A Scoping Review1of Validation, Reproducibility, and Clinical Translation

技術要約：爪甲毛細血管観察における人工知能：検証、再現性、および臨床応用に関するスコーピング・レビュー

問題提起
爪甲毛細血管観察（NFC）および爪甲ビデオ毛細血管観察（NVC）は、末梢微小血管構造、特に全身性強皮症（SSc）やレイノー現象（RP）を可視化するための確立された非侵襲的技術である。しかし、手動による解釈は時間がかかり、観察者に依存し、画像の取得条件に大きく左右される。人工知能（AI）は、毛細血管の検出、セグメンテーション、定量的測定、および疾患分類といったタスクの自動化に応用されることが増えているが、この分野は方法論的な異質性に苦しんでいる。特定された重大な問題は、反復測定イメージング設定（同一の参加者から複数の画像、指、または視野が得られる場合）におけるデータ漏洩のリスクである。もし検証戦略において参加者レベルでのデータの分離に失敗した場合、性能推定値が人工的に膨れ上がる可能性がある。さらに、外部検証、再現性、オープンリソースの可用性、およびこれらのモデルの臨床実装への準備状況に関する体系的なエビデンスが不足している。

方法論
本研究は、PRISMA拡張スコーピング・レビュー（PRISMA-ScR）に従って実施されたスコーピング・レビューである。

• 検索戦略： 著者らは、開始から2026年3月28日までの期間、PubMed、Ovid MEDLINE、Scopus、Web of Science Core Collection、およびIEEE Xploreを検索した。
• 選択基準： 適格な研究は、ヒトのNFC/NVC画像またはビデオを用いた、抽出可能なオリジナルのAI結果を報告している査読済みジャーナル論文またはフル会議論文とした。抄録のみ、プレプリントのみ、非オリジナル、および重複した報告は除外した。
• データ抽出およびコーディング： 2名のレビュアーが独立してタイトル/抄録のスクリーニングを行い、全文の評価を行った。標準化されたフォームを用いて、研究デザイン、臨床ドメイン、AIタスクファミリー、モデルアーキテクチャ、および検証慣行に関するデータを抽出した。
• 検証指標： 臨床への実装準備を評価するために、6つの厳格な指標を各研究に対してコーディングした：(1) 独立した外部臨床検証、(2) マルチセンター設計、(3) エキスパートとの直接比較、(4) 公開されているコード、(5) 公開されているデータ、および (6) 明示的な参加者レベルのデータ分離。
• 合成： 結果は記述的に要約された。タスク、解析単位、および指標の異質性により、診断精度の統合的な推定値は算出していない。

主な貢献

1. エビデンスのマッピング： 本レビューは、3,059件の初期レコードから特定された43件の主要研究（37件のジャーナル論文、6件の会議論文）を対象に、NFC/NVCにおけるAIの現状をマッピングしている。
2. タスクおよびアーキテクチャの分類学： AIアプリケーションを、分類/予測、検出/定量化、セグメンテーション、動態/血流分析、画質/前処理、およびデータセット/ベンチマーク開発の6つの主要なタスクファミリーに分類している。古典的な機械学習と手作業による特徴量から、ディープラーニングアーキテクチャ（CNN、U-Net、YOLO、Vision Transformer、およびハイブリッドシステム）への進化を記録している。
3. 臨床範囲の拡大： SSc/RPが支配的な用途（33%）であるが、本レビューは、一般的な微小循環、糖尿病、小児皮膚筋炎（JDM）、その他の自己免疫疾患、新生児網膜症、およびアミロイドーシスへの応用拡大を特定している。
4. 再現性監査： 本研究は、検証および報告慣行の厳格な監査を提供しており、含まれた研究の65.1%が6つの主要な検証/再現性指標のいずれも満たしていなかったことを強調している。

結果

• 検証の欠如： 厳格なコーディング基準の下では、独立した外部臨床検証を提供した研究はわずか1件であった。マルチセンターであった研究は4件、エキスパートの出力と直接比較した研究は11件、公開コードを提供した研究は4件、公開データを提供した研究は2件、そして参加者レベルの分離を明示的に確認した研究は5件であった。
• データ漏洩のリスク： 大多数の研究が参加者レベルの分離を明示的に報告しておらず、同一の個人からの相関のある観察結果が訓練セットとテストセットの両方に現れるデータ漏洩の懸念が生じている。
• サンプルサイズの報告： 参加者数を報告している研究の中で、中央値のコホートサイズは30名であった。しかし、多くの研究は、対応する参加者分母なしに画像数やフレーム数を報告しており、実効サンプルサイズを過大に評価している可能性がある。
• デバイスの携帯性： 低コストで携帯可能なデバイスが登場しつつあるが、デバイス層別化された検証、あるいはデバイス外部からの検証は限定的である。
• 報告のギャップ： キャリブレーション、不確実性の推定、サブグループの性能（例：肌のタイプ別）、および前向きな臨床有用性のエンドポイントといった重要な報告要素は、ほとんど欠落しているか、不完全にしか報告されていない。

意義および主張
本論文は、AI-NFCが技術的および臨床的に拡大し（単純な毛細血管カウントを超えて複雑な微小血管コンピューティングへと移行している）、一方で、臨床的な汎用性と実装への準備性に関するエビデンスは脆弱であると主張している。

著者らは、技術的な多様性と強力な内部性能は、臨床的な準備が整っていることと同義ではないと論じている。展開への主要な障壁は、モデルの革新ではなく、堅牢で独立した外部検証、制御されたデータ分割、および開かれた再現性の欠如である。本レビューは、AI-NFCを単なる画像処理の課題としてではなく、特定の報告フレームワーク（例：TRIPOD+AI、CLAIM、DECIDE-AI）への準拠を必要とする臨床的意思決定支援の問題として位置づけている。

本研究は、今後の研究において以下を優先すべきであると結論付けている：

• 独立したセンター、デバイス、および患者サブグループ間でのロックされた外部テスト。
• データ漏洩を防ぐための、分割単位および参加者レベルの分離の明示的な報告。
• 明確なアノテーション基準を持つ、オープンで再利用可能なベンチマークの開発。
• 後方視的な精度指標のみに依存するのではなく、ワークフローの結果や患者に関連するエンドポイントを含む、臨床的有用性の前向きな評価。

本レビューは、警戒を促す合成資料として機能しており、分野に対し、見出しとなる精度指標から、信頼できる実装、公平性、および規制への準備へと焦点を移すよう促している。