米国のメンタルヘルスアプリは、中国のアプリより臨床試験や有効性に関する情報を多く公開していました。しかし、そうした根拠の厚さはアプリストアの評価点と関連せず、ユーザーが重視する機能にも両国で明確な違いがみられました。

大規模言語モデル（LLM）は、人間より一貫して生成AIの回答を採点できたものの、地域の臨床家と同等の判断には達しなかった。複数モデルを組み合わせた「LLM陪審」でも改善は限定的であり、医療AIの評価には現地専門家の関与がなお不可欠である。

Public Health & Epidemiology の現在のカバレッジは、豊かなデータからリスクを精緻に読むだけでなく、その予測を公平に保ち、予防・救急準備・生活機能の支援へどう接続するかを問う段階に入っている。

AIで顔面白斑を抽出し、顔の曲面を考慮した3Dモデル上で定量化するシステムが、皮膚科医によるF-VASI評価の精度と一致度を改善した。単施設での内部検証では、AI支援によって平均絶対誤差が6.71から3.13へ低下している。

MASLD患者の日常診療データと超音波肝硬度を統合したニューラルネットワークは、臨床的に重要な肝線維化の検出でFIB-4を上回った。さらに本研究は、ROC-AUCだけでなく、許容可能な陽性的中率の範囲に絞って感度を評価する枠組みを提示した。

切除膵管腺がんの通常のHE染色病理標本から、腫瘍組織の空間的不均一性を定量化し、術後全生存期間を予測するAIシステム「HPSurv」が開発された。計1,020例を用いた多施設評価では、従来の臨床病理学的指標を上回る予後予測性能が示された。

両手のリングから同期取得したPPGを組み合わせると、片手だけの場合より心拍数、血圧、年齢の推定誤差は小さくなった。ただし改善幅は限定的で、臨床的な有用性が明確だったのは主に心拍数であり、カフレス血圧測定にはなお大きな課題が残った。

Neurology & Neuroscience の現在のカバレッジでは、早期検出を目指す血液・行動・遺伝子データと、救急・腫瘍診療を支える画像AIが交差する。焦点は精度競争から、外部環境でも信頼できる測定と判断支援へ移っている。

Digital Health & Informatics の現在の軌跡は、モデルの正答率を競う段階から、誰に、どの業務で、どの不確実性を抱えたまま使えるのかを検証する段階へ移っている。

真珠腫手術後の聴力を、術前の側頭骨CTと日常診療で得られる臨床情報から個別に予測するモデルを検証した研究です。CT情報を無制限に反映するのではなく、臨床情報による予測を必要な範囲で補正する「ゲート付き残差融合」により、術後気導純音聴力の予測誤差が有意に低下しました。