Radiology & Imagingの現在のカバレッジは、画像AIを「高精度な判定器」から、救急・術前計画・レポーティング・リスク層別化を支える実務基盤へ移す試みとして読める。ただし、その前提となるのは性能値だけでなく、外部妥当性、運用負荷、そしてLLMの頑健性である。

肝細胞癌の根治目的切除後について、術前MRI、術後病理画像、臨床情報を統合し、1、2、3、5年時点の個別化された全生存リスクを推定する深層学習モデル「TEMPO-HCC」が開発された。中国6施設による外部検証ではC-index 0.751を示し、既存の病期分類を上回る予後識別能が報告された。

心房細動に特化した大規模言語モデル（LLM）エージェント「PULSE」は、評価対象となった4種類の基盤モデルすべてで、患者向け回答の総合品質を有意に改善した。専門知識の検索だけでなく、回答の一貫性確認や自己修正を組み合わせた点が本研究の特徴である。

安静時fMRIから大うつ病性障害に固有の脳活動パターンを抽出するBrainCVAEは、症状構成や罹病期間、治療反応が異なる2つのサブタイプを再現性よく同定した。特に一方のサブタイプでは、SSRI、SNRI、反復経頭蓋磁気刺激後の転帰が一貫して良好だった。

臨床変数と構造MRIを用いる階層型分類器に、類似症例と医学文献を検索する大規模言語モデルを組み合わせることで、認知機能障害の診断支援性能が向上した。とくに、情報が欠落した症例や診断が曖昧な症例で、両者の統合が有効だった。

非小細胞肺がんのCT画像からEGFR変異状態を予測するマルチタスク深層学習モデルが、多施設の外部検証でAUC 0.797を示した。臨床情報と画像所見を組み合わせたモデルではAUC 0.865に達し、EGFRチロシンキナーゼ阻害薬の治療成績や腫瘍の分子・免疫学的特徴との関連も認められた。

糖尿病性腎臓病（DKD）の診療支援に、症例の複雑さに応じて3段階のAIを使い分ける階層型RAGシステムが提案された。中国の3施設、267症例による後ろ向き検証では、医師による事実性・安全性の評価が高く、腎機能に応じた処方調整や高カリウム血症モニタリングの見落としも比較モデルより少なかった。

マットレス下に設置する非接触型センサーの長期データから算出した「Sleep Age Index」は、認知症群と一般集団対照群で明確に異なっていた。ただし、この指標が示したのは睡眠の単純な「老化加速」ではなく、典型的な加齢パターンからの逸脱である。

AIによる検出支援と、見逃しの可能性が高い症例だけを専門家が再確認する仕組みを組み合わせることで、一般放射線科医の乳がん検出率は32.71％向上し、乳房画像診断専門医と統計学的に同等の水準に達した。一方、要精査率も上昇しており、検出改善の利益だけでなく追加精査や専門家レビューの負担を含めた評価が必要である。

2022年以降の世界的なエムポックス報告例を解析した研究は、流行を4つの疫学的フェーズに分類し、症例報告と関連する国レベルの因子が、行動・移動関連の特徴から社会・医療システムの構造的脆弱性へと移行したことを示した。重要なのは、これらが感染そのものだけでなく、受診、診断、サーベイランス、報告のされやすさも反映し得る点である。