ウェアラブル慣性センサー（IMU）による歩行評価に、診断・重症度・人口統計学的情報を同時に扱う階層的マルチタスク学習を導入した研究です。病的歩行のスクリーニングで85.0%±4.1%の精度を示しつつ、複数の個別モデルを用意する場合より大幅に少ないパラメータ数で評価を実現しました。

Radiology & Imaging の現在のカバレッジは、画像を病態の定量的な軌跡へ拡張し、マルチモーダル化で治療に関わる層別化へ近づけながら、説明設計と市販後管理を臨床実装の中心課題としている。

未知の戦略ゲームに直面した人は、膨大な手順を先読みしているのではなく、少数の浅い心的シミュレーションを用いて、その公平さや面白さ、次の一手を推定している可能性が示された。1,000人超を対象とした行動実験で、提案モデルは初学者の判断を人間データのばらつき上限に近い精度で再現した。

医師国家試験OSCEを控えた最終学年の医学生は、任意提供されたAIベースの練習プラットフォームをほぼ全員が使い始め、主に仲間とのロールプレイ評価に利用した。AIは自律的な熟達練習を新たに生み出すというより、既存のペア練習にチェックリスト型フィードバックと学習記録を加える役割を果たしていた。

慢性期慢性骨髄性白血病（CML）で、チロシンキナーゼ阻害薬（TKI）中止直前の末梢血トランスクリプトームから作成した50遺伝子シグネチャーが、2年間の無治療寛解（treatment-free remission：TFR）を予測した。

感情を表す仮想ヒューマンとの会話中に得た生体信号を用い、抑うつ症状高値群を識別できるかを検討した横断研究である。最良の感情別マルチモーダルモデルは精度72%、AUC 0.76を示し、単独モダリティではEEGが最も高い性能を示した。

Oncologyの現在のカバレッジでは、AIは病変を見つける段階から、腫瘍の分子像・微小環境・予後を非侵襲的かつ経時的に捉え、診断と支持療法の実務へ接続する段階へ進みつつある。

PCI後にDAPTを受ける患者では、虚血予防と出血回避のバランスは時間とともに変化する。Transformer-DAPTは、電子カルテの経時情報から両リスクを個別・時点別に推定し、固定的なリスク評価を補完する可能性を示した後ろ向きコホート研究である。

スマートフォンで撮影した10秒間の手指運動から、加齢による生理的な遅さと変性頸髄症（DCM）に伴う運動障害を区別するモデルが報告された。指同士の運動同期の破綻を捉えることで、従来の回数評価を上回る識別性能を示した。

Pathology AIの現在地は、精度競争の先にある。専門特化モデル、病理医の判断を支える説明、分子・治療反応への接続、そして実装時の安全性が、領域の軌跡を決め始めている。