Medical AI Digest (JA)

脳波基盤モデルMORGOTHは、発作や棘波などのイベント検出から記録全体の所見分類までを一つの枠組みで扱い、多施設の外部データでも専門家に匹敵する性能を示した。臨床導入には前向き試験と医師による監督が必要だが、脳波自動解釈の統合を大きく前進させる研究である。

早期HER2陽性乳癌の大規模ランダム化比較試験から得られた4262腫瘍検体を解析した結果、腫瘍免疫浸潤が多いほど浸潤性疾患の再発・死亡リスクは低かった。標準化した手動評価は高い再現性を示し、AIが捉えた免疫細胞の空間的集積は、リンパ球量だけでは得られない予後・治療効果情報をもたらした。

Oncology AIの焦点は、病変を見つける精度競争から、治療反応の先読み、患者層別化、検査・紹介経路の再設計へ移りつつある。今回のカバレッジが示す、その進展と実装上の壁を読み解く。

7種類の歯科画像を横断的に扱う視覚言語モデル「DentVLM」は、36の二言語課題のうち34課題で最高性能を示した。後ろ向き読影研究では、歯科医師らの診断精度を高めるとともに、診断時間を15.0〜37.0％短縮している。

ノンレム睡眠中に現れる睡眠紡錘波は、社会的な相手についての記憶を固定するうえで重要であり、その生成回路の機能低下が自閉スペクトラム症（ASD）に伴う社会記憶障害と関連する可能性が示された。マウスで因果関係と視床回路を検証し、小児では紡錘波の特徴と顔記憶、ASD分類性能を調べた橋渡し研究である。

HisToSpatialCNVは、日常的なH&E染色病理画像から、欠失・中立・増幅というコピー数変化（CNV）の状態を空間的に予測する深層学習フレームワークである。HER2陽性乳癌では平均AUC 0.825を示し、腫瘍内不均一性やサブクローン、臨床的に異なる患者群の解析にもつながった。

医療AIの焦点は、最高精度の更新から、誰がどの条件で使えば信頼でき、既存データをどう安全な意思決定へ変えられるかという実装設計へ移っている。

多発性硬化症のMRIで認められる常磁性リム病変は、将来の障害蓄積、とりわけ再発とは独立した進行の予測因子となる可能性が示された。病変の有無だけでなく、その数が多いほどリスクが高まる点が重要である。

電子健康記録（EHR）に統合された大規模言語モデル（LLM）は、外科患者の周術期共同管理の候補を、医師判断に対して感度0.94で抽出した。一方、陽性的中率は0.58であり、本システムは自律的な振り分けではなく、医師が最終判断を担う高感度スクリーニングとして評価された。

Digital Health & Informaticsの専門領域の軌跡は、汎用モデルの性能競争から、専門診療に沿った出力設計と、データ準備から市販後まで続く信頼性管理へと移りつつある。