アフリカ系米国人女性を対象としたコホート研究で、自然発症と医学的適応による早産・早期正期産には、妊娠時期ごとに異なる母体血清の代謝シグネチャーが認められた。自然発症例ではアミノ酸代謝との関連が目立ち、6代謝物を組み合わせた自然早産の識別性能はAUC 0.77だった。

テキスト型AI標準化臨床試験（ASCE）の価値は、対面診療を忠実に再現することではなく、問診、診断推論、専門職としてのコミュニケーションを反復練習できる点にある。本稿は、ASCEを従来型OSCEの代替ではなく、教育目標を限定して用いる補完的手段と位置づけた論考である。

医療ベンチマークで高得点を取る大規模言語モデル（LLM）も、質問の文脈や表現を動的に変えると、正確性、安全性、公平性を維持できない可能性がある。本研究は、その隔たりを4つの安全軸から定量化した。

南アフリカの母子保健プラットフォームに組み込まれたAI症状チェッカーは、医師評価で98.4％の症例に安全な緊急度を提示し、利用者が実際に選んだ行動の安全性も18.1ポイント上昇した。一方、利用後も過少トリアージと所得による格差が残り、適切な助言だけでは受診障壁を解消できないことも示された。

病理組織の形には、その組織が重ねてきた「生物学的な年齢」が刻まれている可能性がある。Abila、Buljan、Zhengらは、約2万5700枚の病理組織画像を人工知能で解析し、40組織それぞれの年齢を推定する「組織時計」を構築した。

病理AIの焦点は、診断精度の競争から、組織生態系の統合、治療反応や分子異常の予測、施設差に耐える表現の検証へ移った。Pathology の専門領域の軌跡から、実装に必要な条件を読み解く。

CTAとMRAの脳動脈輪を、血管の形状だけでなく解剖学的な「つながり」まで考慮して自動抽出する国際ベンチマークが構築された。上位アルゴリズムはセグメンテーションで90％を超えるDiceスコアを示し、その出力は解剖学的変異の分類や動脈瘤の局在評価にも利用できた。

大学生486人を対象とする6週間のランダム化比較試験で、ウェルビーイング支援に特化した生成AIアプリ「Flourish」は、レジリエンスと社会的ウェルビーイングを高め、肯定的感情やマインドフルネスなどの低下を緩和した。一方、抑うつ、不安、ストレスなどの症状には有意な改善を認めなかった。

電子カルテ上のAI悪化予測スコアを迅速対応チームへの自動通知につなげたところ、高リスク患者の院内死亡率は23.1％から18.6％へ低下した。重要なのは予測モデル単体ではなく、通知、教育、対応体制を組み合わせた臨床ワークフロー全体の実装である。

手術動画を施設外へ移さずに共同学習するSwarm Learningは、虫垂穿孔の外部検証でAUROC 0.966を示し、データを一か所に集約する中央集約型学習と同等以上の性能を達成した。もっとも、397件を対象とした概念実証であり、実装面ではハードウェアや接続性、臨床情報システムとの連携が大きな課題として残った。