脊椎X線から正常、側弯症、脊椎すべり症を分類するAI「IBOTSpine」が、比較した8つの既存アーキテクチャを上回る性能を示した研究です。画像中の診断に不要な情報を抑え、学習時と評価時の画像条件の差を扱う設計により、70:30分割で精度0.964、AUC 0.991に到達しました。

腹腔鏡下肝切除における重要血管の認識を支援する動画セグメンテーションAI「Vivim」が、多施設後ろ向きデータで既存の画像・動画モデルを上回る性能を示しました。独立した外部テストでも性能を維持し、ライブ動画では約25fpsで推論できたことが、本研究の実装面での重要な成果です。

網膜静脈閉塞症（RVO）に対する抗VEGF治療では、治療反応をどう見通し、再治療をどう判断するかが実臨床上の大きな課題です。本研究は、OCTと眼底写真から治療後の画像変化を生成し、病変量と再治療の必要性を予測するAIシステム「RVOTEP」を開発・検証したものです。

睡眠EEGを自己教師あり学習で事前学習した基盤モデルは、従来の5段階睡眠スコアだけでは要約しきれない「段階内」の構造を捉え、年齢やBMIなど一部の健康関連アウトカムの予測を改善した。

本研究は、電子カルテ情報を用いたAIスクリーニングにより、発作性夜間ヘモグロビン尿症（PNH）の早期発見を現実の医療環境で改善できるかを検証したコホート研究である。

肝細胞癌（HCC）の造影超音波（CEUS）動画から微小血管侵襲（MVI）を予測する深層学習モデルMAPUSEが、多施設データと前向きコホートで高い識別能を示した。予測高リスクはCD8陽性T細胞の少ない免疫抑制的腫瘍微小環境とも関連し、アブレーション後の免疫療法との関連も検討された。

HematologyのAIは、単なる分類精度の競争から、出血・血栓・移植後合併症・リンパ腫予後・細胞治療標的を、いつ誰がどう判断に使うかへ軸足を移している。

携帯型超音波プローブと短時間の訓練を受けた操作者による「ブラインドスイープ」動画から、AIが妊娠週数を推定できるかを検証した前向き多施設診断研究です。事前学習済みモデルを少数例で微調整した結果、AIの平均絶対誤差は4.2日で、専門ソノグラファによる標準的推定に対して非劣性を満たしました。

神経芽腫の診断、分子バイオマーカー予測、予後層別化を、日常診療で得られる病理ホールスライド画像と病理報告書から一体的に扱うAIモデル「NEVA」の研究です。

血漿cell-free RNA（cfRNA）を遺伝子発現量に変換せず、生の塩基配列として読むことで、がん由来のシグナルを捉えようとした研究です。