BoneCoTは、全身骨格CTを対象に、骨転移の有無だけでなく病変性状、合併症、腫瘍種、バイオマーカー関連タスクまで扱う基盤モデルとして検証された研究です。臨床医が整理した推論関係をモデル学習に組み込むことで、既存の画像基盤モデルより高い性能を示しました。

産婦人科領域の短答式問題に対するGPT-4oの回答では、単語列の確からしさをみるperplexityよりも、回答の意味のばらつきを測るsemantic entropyの方が誤答をよく識別した。

Endocrinology & Diabetes の現在のカバレッジでは、AIの焦点が診断精度の競争から、誰を、いつ、どの検査・介入へつなぐかという予防の設計へ移りつつある。

韓国の健診データを用いた後ろ向きコホート研究で、網膜眼底写真を解析する基盤モデルAIが、既存の認知症検出と将来の認知症発症予測に一定の性能を示しました。

心臓カテーテル検査・治療前の患者説明電話を、音声対話型AIがどこまで担えるのか。本研究は、LLMベースの音声アシスタント「Sofiya」を実臨床ワークフローに組み込み、安全性、完遂率、患者満足度、看護師業務量への影響を前向きに評価した実装研究です。

大腸がんにおける5-FU抵抗性を、腫瘍細胞だけでなく腫瘍随伴マクロファージとの相互作用から捉え直した研究です。多層オミクス解析と実験モデルにより、m6A-SCG2-TAMs軸が予後不良と化学療法抵抗性に関わることが示されました。

低品質のスリットランプ画像では、深層学習モデルの診断性能が低下しやすい。本研究は、画像補正と分類を組み合わせたAKDF-LQSIにより、角膜炎診断の精度を維持できるかを検証した計算研究である。

実臨床症例に対する大規模言語モデルの回答評価では、医師とAIエージェントの判断は全体として同じ方向を向きつつも、最も高く評価するモデルでは明確な違いがみられました。

ウェアラブル慣性センサーで取得した歩行・移動課題のデータを、トポロジカルデータ解析で統合すると、神経運動疾患を横断する歩行機能の地図が描ける可能性が示されました。

小児希少遺伝性疾患の診断支援に、知識グラフとマルチエージェント型LLM推論を組み合わせることで、ベースラインモデルを上回る性能が示されました。