救急診療の複数の意思決定場面を、単一のマルチモーダル基盤モデルで扱うED-Foundationが報告された。画像とテキストを統合して事前学習し、9つの多施設データセットによる後ろ向き評価で、トリアージ、転帰予測、臨床意思決定支援における有力な性能を示した。

大うつ病性障害（MDD）患者を対象に、スマートフォンで記録した短時間の顔動画と音声から、ビデオ睡眠ポリグラフ検査（v-PSG）で確認されたレム睡眠行動障害（RBD）の併存を予測するAIモデルが報告された。

Cardiologyの現在のカバレッジは、ECGを起点とする予測基盤の拡張と、画像・生体信号・臨床情報を予防につなぐ試みが並行して進む局面を示す。次の焦点は、精度ではなく異なる現場での校正と介入可能性だ。

日常診療の電子健康記録（EHR）から無作為化比較試験（RCT）の結果を再現しようとした大規模研究で、傾向スコア法、重み付け、TMLE、Transformerを用いた手法のいずれも、心不全治療におけるRCTの死亡効果を再現できなかった。

多様な撮像部位・シーケンスのMRIを大規模に自己教師あり学習した基盤モデルPRISMが、44の下流課題のうち39課題で最上位の成績を示しました。MRI固有のばらつきを前提に設計した表現学習が、外部施設・未知ドメインを含む解析の頑健性を高める可能性を示す研究です。

多項目フローサイトメトリーからB細胞性非ホジキンリンパ腫を分類する説明可能AI「FlowXAI」が、症例ごとの診断確信度を提示しながら高い分類性能を示した。特に、代表例512件という少量の学習データでも、確信度の高いサブタイプ分類で既報の深層学習比較系を上回る結果が報告された。

中国の大規模前向きコホートを用いて開発された性別別Transformerモデル「China-AIHeart」は、10年心血管疾患リスクの予測で、同じ説明変数を用いたCox比例ハザードモデルおよび既存スコアを上回った。外部コホートでも識別能と校正能が概ね維持され、簡略版モデルも評価された。

Nephrology & Urology の現在のカバレッジは、予測精度を競う段階から、異種データを結び、施設差と運用負荷を越え、実際の判断に届くAIを問う段階へ移っている。

今週の焦点は、単一課題での高精度から、年齢・機器・施設・欠損データをまたいで使えるAIへの移行です。脳画像、単一誘導心電図、妊娠薬剤、安全なLLM運用まで、性能指標の次に問われるのは臨床判断をどこまで確かに変えられるかです。

眼底蛍光造影（FFA）の読影過程を、病変の同定、レポート作成、診断支援という臨床家に近い順序で学習させた視覚言語モデルClin-FFA-VLMが報告された。画像だけを用いる直接診断よりも、AIが自ら生成したレポートを併用するワークフローで高い診断性能を示した。