Medical AI Digest (JA)

Radiology & Imagingの現在のカバレッジから見えるのは、画像AIが病変検出から多面的なリスク評価、治療効果判定、読影前後の業務へと広がる軌跡であり、その臨床価値を見極めるには、予測性能と実際の意思決定への貢献を分けて評価する必要がある。

多項目サイトメトリーの解析基盤「dioscRi」は、学習済みの正規化モデルを新たな検体に適用し、冠動脈疾患の検証データでAUC 0.83を達成した。性能向上の主な要因は正規化であり、免疫細胞の階層構造を組み込むこと自体には、明確な予測性能の上積みは認められなかった。

2型糖尿病の臨床的な病型には、血中のmiRNA、タンパク質、代謝物にも違いが認められた。中国の未治療患者826人を対象とした解析では、こうした分子情報を用いることで、インスリン抵抗性改善薬chiglitazarによる血糖目標達成の予測性能が向上した。

既存の顕微鏡に低価格の電動装置とAIを組み合わせ、観察領域の選択から芽球の検出・計数までを自動化するALLocateが開発された。2施設の骨髄実標本165枚では、急性骨髄性白血病（AML）と正常骨髄を約88％の正確度で分類したが、外部施設の正常例の判定には改善の余地が残った。

眼科論文の抄録に使われる肯定的な表現は、1996年から2025年までに2.8倍に増え、2021年以降はその増加が加速していた。抄録の長さや研究特性を調整しても傾向は残ったが、これは研究成果の質や治療効果の向上を示す数値ではない。

AI & Computer Scienceの現在のカバレッジから見えるのは、基盤モデルの能力を臨床で使える根拠へ変換する試みと、その限界を決める測定の質であり、日常診療データの活用から判断・執筆へのAI関与まで、評価すべき対象が広がっている。

腹部CTから多様な異常を読むAI、診療録から見えてくる社会的ニーズと認知転帰の関係、呼吸抑制を検出して薬を届けるパッチ――今週の論文を貫くのは、情報を取り出す力を、判断や介入の価値へどうつなぐかという問いです。

Digital Health & Informaticsの現在のカバレッジが示すのは、予測精度に加え、説明の理解しやすさ、介入のタイミング、患者や医療者への伝わり方を評価する方向性であり、指標の改善が診療や患者転帰の改善につながるかが次の焦点となる。

がん組織内の細胞配置とタンパク質発現を組み合わせ、臨床転帰の予測と、その根拠となる領域の抽出を行うAI「SpaCEy」が報告された。肺腺がんと乳がんの後ろ向き解析で比較手法を上回る予測性能を示したが、臨床導入には前向き検証と既存の予後因子に対する付加価値の評価が必要である。

米国退役軍人3,817,970人を対象とした研究で、心的外傷後ストレス障害（PTSD）と健康関連の社会的ニーズ（HRSNs）は、それぞれ認知障害・認知症の新規診断と関連していました。両者が記録された場合、いずれも記録されない場合に比べ、複合転帰の調整ハザード比は2.87でした。