患者ポータルへの返信をAIが下書きすることについて、患者は一律に拒否的ではありませんでした。ただし受容の前提は、臨床家が確認・編集・承認し、最終的な責任を持つことでした。

本研究は、大規模言語モデルを用いたマルチエージェントシステム「EmulatRx」が、既存治験の検索、EHRに基づくコホート構築、因果解析、治験設計レポート作成を一連の流れとして支援できるかを検証した計算科学研究である。

小児の睡眠ポリグラフ検査における覚醒検出を、深層学習で自動化する試みです。PANDAは成人データで訓練された既存モデルよりも小児専門家ラベルに近く、特に専門家が再判定したデータでは高い一致度を示しました。

放射線科専門医試験対策コンテンツを大規模に生成する多段階LLMパイプラインは、一定の有用性を示しつつも、人間の監督なしに配信できる水準には達しませんでした。

Radiology & Imaging の現在のカバレッジでは、AIの焦点が単純な検出精度から、報告書作成、偶発的リスク評価、現場実装、マルチモーダルな治療判断へ移りつつある。

構造化された電子健康記録を自然言語のコード記述に変換し、汎用LLMの埋め込みモデルで患者表現を作るだけで、専門的なEHR基盤モデルに匹敵する予測性能が得られる可能性が示されました。

肺腺がん脳転移におけるEGFR変異を、MRIラジオミクスから非侵襲的に推定する多施設研究が報告された。LightGBMモデルは内部検証で高いAUROCを示し、形状特徴とトランスクリプトームの関連も解析された。

臨床用12誘導ECGから取り出したLead-I波形で学習したAIモデルは、病院間ではよく汎化した一方、家庭用単誘導ECGへそのまま適用すると精度が大きく低下した。機器ごとのラベル付きECGで微調整することで、多くのタスクで性能は回復したが、少数例での微調整はむしろ不安定だった。

Digital Health & Informatics の焦点は、モデル単体の性能から、臨床判断をどう変え、既存データをどこまで信頼できるバイオマーカーへ変換できるかへ移っている。

今週の医療AIは、枕下センサー、 routine CT、病理スライド、トランスクリプトームまで、既存データから“使える指標”を作る研究が目立ちました。問いは精度だけでなく、誰の判断を、どの時点で変えるのかに移っています。