左右の大脳半球は、皮質形態の多変量パターンから高精度に識別でき、その全脳的な非対称性は加齢や神経変性疾患と関連していました。

病理画像AIの大きな課題である計算コストに対し、EAGLEは「重要な領域だけを見る」設計で挑んだ研究です。全スライド画像から25個のタイルを選ぶだけで、外部検証タスクにおいて高い分類性能と大幅な高速化を示しました。

思春期特発性側弯症の手術計画において、固定範囲の選択と術後アライメントの予測を一体化したAIシステム「ScoliosisPLAN」が報告された。多施設コホートで、熟練脊椎外科医に近い固定範囲予測と、既存画像生成モデルを上回る術後X線予測性能が示されている。

血液悪性腫瘍の臨床意思決定支援に、症例に根ざしたLLMエージェントを用いる試みが報告された。HemaGuideは、ガイドライン、実症例記憶、文献検索、分子バリアント解釈を組み合わせ、専門家腫瘍ボードの判断との一致を検証している。

AFP Assistantは、アムハラ語、Afaan Oromo、英語で急性弛緩性麻痺（AFP）とポリオに関する情報提供と症例報告支援を行う、多言語AIチャットボットとして開発・評価された研究です。

LLMは臨床腫瘍学の診療ノートを流暢に要約・解釈できる一方で、推論過程の破綻が臨床的に重要な出力の質を損なう可能性があります。本研究は、がん診療ノートに対するLLMの「構造化された推論エラー」を体系化し、ガイドライン不一致や臨床影響との関連を検証しました。

骨盤リンパ節郭清中の重要解剖をAIがリアルタイムに近い形で可視化し、外科医の認識を改善できるかを検証した多施設前向き観察研究です。PelviX3Netは尿管、閉鎖神経、外腸骨動脈、外腸骨静脈をセグメンテーションし、AIオーバーレイの提示により外科医の解剖認識の感度・特異度が全体として有意に向上しました。

FedFoundは、構造MRIから得られる脳形態コネクトームを対象に、プライバシーを保ちながら多施設データで学習するフェデレーテッド基盤モデルです。22,911例、0〜100歳にわたるデータを用い、複数の神経発達・精神・神経変性疾患の分類で既存手法を上回る性能を示しました。

救急外来での診断機会の見逃しを、eTriggerと大規模言語モデルで効率よく拾い上げられるかを検証した後ろ向き研究です。LLMは診断品質レビューの事前スクリーニングに有用な可能性を示しましたが、医師による判定を置き換えるものではありませんでした。

成人の二次性血球貪食性リンパ組織球症（HLH）において、治療開始前後の臨床・検査データから初期重症度と時点別死亡リスクを予測する機械学習ツールが報告されました。