Medical AI Digest (JA)

網膜特化型基盤モデルRETFoundは、十分な教師データがある眼疾患検出では従来モデルを一貫して上回らなかった。一方、ラベルが限られた全身疾患予測では概して高い識別性能を示したが、その利点には大きなモデルサイズと計算負荷が伴った。

Radiology & Imaging の画像AIは、病変を分類する段階から、所見の局在化、将来リスクの予測、画像情報の生成、施設横断学習へ進みつつある。今回のカバレッジが映すのは、性能競争の先で臨床的な意味と運用可能性を問う専門領域の軌跡だ。

術後創写真から切開部手術部位感染（SSI）を示唆する所見を識別する深層学習モデルは、内部テストでAUC 0.91、外部検証でAUC 0.82を示した。一方、外部集団ではSSIリスクを系統的に過大評価しており、実装には施設や対象集団に応じた再較正が欠かせない。

安静時fMRIに対照グラフ学習を適用することで、アルツハイマー病におけるアミロイド陽性者特有の脳ネットワーク変化を、一般的な加齢や非アミロイド性の変動から分離できる可能性が示された。抽出された特徴は髄液中アミロイドβおよびリン酸化タウを予測し、シナプス機能、神経炎症、興奮性ニューロンやグリア細胞に関係する遺伝子発現とも対応していた。

日常的な心理社会的質問票に潜む「未回答」「不自然な回答パターン」「回答の不整合」をAIで解析することで、高齢者の認知機能低下リスクを追加負担なく絞り込める可能性が示された。5カ国のデータを共同学習したモデルは、国別に学習したモデルより高い外部一般化性能を示している。

スウェーデンの全国レジストリを用いた約354万人のコホート研究で、対面評価を必要とせず股関節骨折リスクを推定する「FRACTURE-ML」が開発された。35変数に絞ったモデルでも高い予測性能を維持し、初回骨折前の集団スクリーニングに活用できる可能性が示された。

Anesthesiology & Critical Care のAIは、単発のリスク推定から、変化する病態に応じた介入設計、予後判断、診療フローの再構成へ進みつつある。問われ始めたのは、精度そのものより、いつ、誰が、どう行動を変えるかだ。

Orthopedicsの現在のカバレッジから見えるのは、画像AIが診断精度の競争を越え、リスク層別化、撮像支援、手術計画、術中認識、非手術療法の評価へと診療経路全体に広がる軌跡だ。

早期トリプルネガティブ乳癌では、再学習していない固定済みAIが算出した腫瘍浸潤リンパ球スコアも、病理医による評価と同様に良好な予後と関連した。一方、病理医のスコアが既に得られている場合、AIスコアを追加しても予後予測性能は有意に向上しなかった。

局所進行非小細胞肺がんに対する胸部放射線治療で、胸腺が受ける平均線量が高いほど、遠隔転移と死亡のリスクが高いことが、計1107例の多コホート解析で示された。胸腺機能が保たれている患者ほど関連が強く、治療計画上の新たな注目臓器となる可能性がある。