Medical AI Digest (JA)

多相造影CTから肝病変を検出・分類するAI「LiON」は、大規模な後ろ向き検証と1万例超の前向き試験で高い診断性能を示した。放射線科医との協働により、見逃されていた病変の発見や読影時間の短縮にもつながった。

患者本人が意思決定できない状況を想定した研究で、事前に記録された価値観を与えた大規模言語モデル（LLM）は、本人の治療選択と約73％一致した。価値観を与えない場合の一致率は42.0〜45.2％に低下し、性能向上の鍵がモデルそのものではなく、入力された患者情報にあることが示された。

病院の心電図で開発されたAIモデルEchoNextは、構造的心疾患の有病率が低く、病態も軽い地域住民では識別性能が低下した。PREVUE-VALVE試験は、診断AIを実際の使用対象集団で検証し、閾値を設定し直す必要性を具体的な数値で示している。

前立腺MRIの画質をAIで連続的に数値化し、そのスコアを臨床的に重要な前立腺癌の検出成績と結びつけた研究である。低画質と判定された検査を順次除外すると、癌検出AIだけでなく、日常診療で読影した放射線科医の成績も向上した。

四肢骨折を検出する画像AIは、欧州3病院でおおむね一貫した単独性能を示し、臨床医の読影感度を10.6ポイント改善した。一方、手関節・手・手指では施設間差が認められ、解剖学的部位ごとの導入前検証が重要である。

歩行で得たエネルギーを使い、靴に搭載したAIが動作分類、歩数計測、消費カロリー推定を行う電池不要のシステムが開発された。3特徴量に圧縮したランダムフォレストは、4種類の移動動作を95.4％の精度で識別し、システム全体を108 µWで動作させた。

救急外来で大規模言語モデル（LLM）による意思決定支援を日常診療に組み込んだ前向き研究で、SHAKEDの出力は専門家評価でおおむね適切だった。しかし、利用率は4週間で大きく低下し、救急外来滞在時間の短縮も認められなかった。

冠動脈疾患患者1100人を対象とした無作為化臨床試験で、AI支援管理システム「AIM-CHD」は通常診療単独に比べ、退院3カ月後のLDLコレステロール値と血圧目標達成率を改善した。一方、効果の大きさは限定的で、心血管イベントや服薬アドヒアランスなどには有意差が認められなかった。

人間だけではほとんど発見できなかった問題解決戦略をAIが見いだし、その行動を観察した人々が次世代へ伝達した。AIが最初の世代から消えた後も、効果は4回の伝達を経た最終世代まで確認された。

2000～2022年の疾患別政府開発援助（ODA）を機械学習で追跡したところ、資金の97.5％が感染症・母子保健・栄養関連疾患に集中し、世界の疾病負担の59.5％を占める非感染性疾患（NCDs）への配分は2.5％にとどまっていた。