マラウイの一次医療施設を受診した2〜59か月の肺炎児を対象に、7日以内の入院または死亡を予測する機械学習モデルが開発・外部検証されました。選択されたランダムフォレストモデルは、WHO重症度基準や既存リスクスコアを上回る予測性能を示しました。

Fed-GPLは、ViTやSAMなどの視覚基盤モデルを凍結したまま、施設横断で軽量なプロンプト生成器を学習する連合学習フレームワークである。多施設の医用画像分類・セグメンテーションにおいて、性能、通信効率、低リソース性、プライバシー面のバランスを改善した点が本研究の中心である。

縦断MRIからアルツハイマー病の進行を予測するには、「疾患らしい変化」と「その人らしい解剖学的特徴」の両立が課題です。本研究は、個人同一性を保持する生成モデルIP-DDGANにより、被験者ごとの将来脳MRIを合成できるかを検証しました。

AI支援下で初心者が取得したfocused cardiac ultrasound（FoCUS）は、選択された構造的心疾患のスクリーニングにおいて高い実施可能性と診断性能を示した。一方、AI心電図で対象を絞ってからFoCUSを行う二段階戦略は超音波使用を減らすものの、検出感度の低下を伴った。

本研究は、複数の生物医学CLIPモデルから知識を統合した汎用型vision-languageモデル「MMKD-CLIP」を開発し、多様な医用画像モダリティとタスクで評価した計算研究です。ゼロショット分類を中心に、既存の専門型・汎用型モデルと同等以上の性能が示されました。

脊椎内視鏡手術中の限られた視野で、神経、骨、黄色靱帯、脂肪組織をリアルタイムに見分けることを目指した軽量インスタンスセグメンテーションモデルの研究です。EndoSeg-RTは、精度、速度、計算効率のバランスを重視して設計され、リソース制約のある環境での実装可能性を検証しています。

妊娠後期の前期破水、特にpreterm prelabor rupture of membranes（PPROM）のリスク層別化に、日常診療で測定されるCRPやアルブミンを用いた説明可能AIが有用である可能性が示されました。

十二指腸乳頭部病変の内視鏡診断において、AI支援が診断精度を改善するかを検証した後ろ向き単施設研究です。特に内視鏡フェローと一般消化器内視鏡医で、AI提示により正診率が有意に向上しました。

Cardiology の最新動向は、心臓専門検査ではなく、日常診療で既に得られている胸部 X 線、頭部 CT、心臓 CT、心電図といったありふれたデータから AI が心血管リスクを機会的に拾い上げる枠組みへシフトしている。同時に、臨床試験や EHR での標準化と、ウェアラブルによる個別化・連続監視が進行中だ。

多相造影CTの相が欠損・低品質な施設を含めても、患者データを共有せずに肝病変セグメンテーションモデルを共同学習できるか。Wu、Lin、Huらは、連合学習フレームワークFedOGでこの課題に取り組みました。