重症患者の凝固異常に対し、縦断的な検査値と介入履歴から出血・血栓リスクのバランスを時系列で評価する、オフライン強化学習モデルACRLAが報告されました。

マンモグラフィ読影でAIががんを陰性と示した場合、経験豊富な読影者でも病変検出感度が低下し、画像を探索する視線の頻度も減少した。AIの正しい提示は性能を改善した一方、誤った陰性提示は自動化バイアスと整合する読影行動の変化を伴った。

耳内マイクで取得した低周波の心拍関連音から、一回拍出量（stroke volume）を推定する手法が報告された。23人の健常成人を対象とした検証で、未見の被験者における平均一回拍出量の推定誤差は5.24 mL、参照値との相関はr=0.94だった。

メタボリックシンドローム（MetS）は、MRIから推定した脳年齢を実年齢より平均約1.13年高くすることと関連していた。高血糖と高血圧の関連が特に強く、MetSの構成要素が増えるほど脳年齢ギャップも段階的に大きくなった。

思春期特発性側弯症（AIS）の全脊椎X線から、冠状面・矢状面アライメントを自動計測し、術後インプラントも検出する深層学習システムが報告された。主要弯曲の外部検証で平均絶対誤差は2.7度であり、読影・計測の再現性と効率を支える技術として注目される。

欧州に輸送される砂漠起源の粉じんは、2012〜2021年に平均的に増加していた。南欧では砂じん侵入の頻度が概して低下する一方、事象はより高濃度化し、短期的な死亡および呼吸器入院への影響が推定された。

公開皮膚科画像データセットに、病変メタデータを手掛かりとした生成ノートを付与することで、多モーダルAIの学習が可能になることを示した計算研究です。病変固有の情報なしにノートを生成する条件では性能と信頼性が低下し、生成時の情報設計が重要であることが明確になりました。

中心体異常を「数」と「構造」に分け、組織内の位置と細胞単位で評価する深層学習フレームワークCenSegNetが報告された。乳がんでは両者がほぼ独立した異常軸として振る舞い、腫瘍中心部と腫瘍辺縁で異なる空間パターンを示した。

複数の胸部X線AI、解剖学的セグメンテーション、レポート生成モデル、推論モデルを統合したRadFabricは、14病変でマクロ平均AUC 0.8518を示した。単一モデルや固定的な投票アンサンブルを上回り、予測確率の校正と低頻度病変の性能にも改善がみられた。

農村中国の成人を対象に、日常的に取得できる8項目から10年後の認知機能障害を予測する機械学習モデルを開発した。ランダムフォレストは中等度の識別能を示した一方、詳細なリスク層別化には限界も示された。