院内で稼働する医療AIエージェントは、診断シミュレーションでクラウド型モデルに迫る精度を示した。さらに、同じ症例を繰り返し診察した際の診断の一貫性を使うと、約半数の症例を正診率98.9％の集団として選別できたが、一貫して誤る症例も残った。

局所進行非小細胞肺がん患者227例を対象とした後ろ向き研究で、診療録から抽出した治療前・治療中の症状と患者背景を組み合わせたモデルが、放射線肺臓炎の予測でAUC 0.759を示した。治療中に新たに現れる症状の有用性を示す結果だが、評価は単施設内の検証にとどまり、臨床導入には外部・前向き検証が必要である。

妊娠中の母体の記録と出生後の乳児の記録を組み合わせることで、乳児の一部疾患の予測性能が向上した。Nature Medicineに掲載されたMoChiAgentの研究は、母子の経時的な電子カルテを活用する可能性を示す一方、現在の病態を見分ける性能と将来の発症を予測する性能、そして診療での有効性を分けて評価する必要性を浮き彫りにした。

臨床的に低・中間リスクと分類された前立腺がんでも、遺伝子発現のネットワークに着目することで、進行しやすい患者を識別できる可能性が示されました。ZNF268と関連する10遺伝子のRewiring Scoreは複数コホートで予後と関連しましたが、監視や治療の変更に用いるには前向き検証が必要です。

単純CTで急性腹症の読影を助けるAIから、不確かな腫瘍境界を修正するモデルまで、今週の5本が問いかけるのは、予測精度の高さを現場で役立つ判断につなげるには何が足りないか、という問題です。

脊椎画像レポート20,277件を用いた多施設研究で、大規模言語モデル（LLM）は所見文から診断を生成する能力を示しました。一方、低頻度疾患での性能低下や、施設・指示文による出力の変動も明らかになり、臨床導入には医療者の監督と施設ごとの検証が必要とされています。

進行非小細胞肺がん（NSCLC）の免疫療法転帰について、日常診療の臨床情報と血液検査を用いるAIが、内部テストで個別の既存バイオマーカーを上回り、医師の予測も一部改善した。ただし、外部検証では分類モデルの識別性能が低下し、画像・ゲノム情報を加える効果も一貫して確認されなかった。

Liu、Gong、Zengらは、水素結合を調整した共重合体イオノゲルにより、圧力で生じる電圧を従来比10倍に高め、高い伸縮性と強靱性を両立させた。手首の脈波から血圧を推定する試作機も評価したが、臨床性能の検証は20〜40歳の安静時データに限られる。

Sun、Yao、Jiaらは、リンパ節の病理全スライド画像を陰性、孤立性腫瘍細胞、微小転移、マクロ転移の4群に分類する弱教師ありAIを開発し、内部評価で正解率92.91％を報告した。一方、微小病変の分類精度と外部データでの性能には限界があり、臨床導入に向けた追加検証が必要である。

消化器・肝臓領域のAIは、病変検出から、画像に潜むリスク、線維化の生物学、治療抵抗性、術後の時間依存リスクを読む段階へ。臨床で問われ始めたのは、精度の高さよりも、その予測が意思決定をどう変えるかだ。