病理AIの焦点は、診断精度の競争から、組織生態系の統合、治療反応や分子異常の予測、施設差に耐える表現の検証へ移った。Pathology の専門領域の軌跡から、実装に必要な条件を読み解く。

CTAとMRAの脳動脈輪を、血管の形状だけでなく解剖学的な「つながり」まで考慮して自動抽出する国際ベンチマークが構築された。上位アルゴリズムはセグメンテーションで90％を超えるDiceスコアを示し、その出力は解剖学的変異の分類や動脈瘤の局在評価にも利用できた。

大学生486人を対象とする6週間のランダム化比較試験で、ウェルビーイング支援に特化した生成AIアプリ「Flourish」は、レジリエンスと社会的ウェルビーイングを高め、肯定的感情やマインドフルネスなどの低下を緩和した。一方、抑うつ、不安、ストレスなどの症状には有意な改善を認めなかった。

電子カルテ上のAI悪化予測スコアを迅速対応チームへの自動通知につなげたところ、高リスク患者の院内死亡率は23.1％から18.6％へ低下した。重要なのは予測モデル単体ではなく、通知、教育、対応体制を組み合わせた臨床ワークフロー全体の実装である。

手術動画を施設外へ移さずに共同学習するSwarm Learningは、虫垂穿孔の外部検証でAUROC 0.966を示し、データを一か所に集約する中央集約型学習と同等以上の性能を達成した。もっとも、397件を対象とした概念実証であり、実装面ではハードウェアや接続性、臨床情報システムとの連携が大きな課題として残った。

PediatricsのAI研究は、疾患リスク予測、日常言語からの心理兆候検出、対話型支援へと広がった。現在の焦点はモデル性能そのものではなく、誤警報を抑え、信頼を築き、実際の臨床行動につなげられるかにある。

GPT-5に外科医、腫瘍内科医などの役割を与えると、出力は確かに「専門医らしく」なった。しかし、治療推奨の構造まで専門領域ごとに独立していたわけではなく、役割付与だけでは実際の多職種検討に相当する判断の多様性は得られなかった。

Neurology & Neuroscience の現在地は、脳と行動をより精細に測る競争から、その信号が個々の患者の予測と意思決定に本当に耐えるかを検証する段階へ移っている。

原稿 導入 Medical AI Digest Podcast へようこそ。本日は The Journal of allergy and clinical immunology に掲載された論文をご紹介します。 本題 今回取り上げるのは、「人工知能によって支援された季節性アレルギー性鼻炎の原因診断」です。論文タイトルは、“Etiologic diagnosis of seasonal allergic rhinitis supporte...

小児びまん性正中神経膠腫の空間的増殖をMRIから予測する生成AIについて、学習データの約90％を成人膠芽腫が占めること、13患者由来の178スライスを独立に近い単位として評価したことが、臨床性能の解釈を難しくしている。とりわけ、新たな増殖領域の予測精度は腫瘍全体の重なりより大幅に低く、放射線治療計画への有用性はまだ確立されていない。