疑い再発グリオーマでは、造影病変の中に再発腫瘍と治療関連変化が混在しうる。本研究は、術前の多パラメトリック生理学的MRIと解釈可能な機械学習を用い、病変内の再発腫瘍領域を空間的に推定する手法を検証した。

CAKUT児の腎不全リスクを、診断後1年・3年・5年の時間軸で予測する解釈可能な機械学習モデル「POCC」が報告されました。

Routineの多断面MRIから子宮筋腫を3D再構成・セグメンテーションするうえで、手作業の教師ラベルをどこまで減らせるか。本研究は、foundation modelを組み込んだ適応型フレームワークFGASにより、未ラベル臨床MRIで高い汎化性能を示した計算機研究である。

高血圧の評価を「血圧値」から「臓器障害の総体」へ広げる試みです。本研究は、多モーダルデータと対照学習を用いて、高血圧に関連する多臓器障害を定量化し、臓器別の疾患表現型を抽出しました。

原発性アルドステロン症のスクリーニングに、血漿ステロイドプロファイルと血清カリウムを組み合わせた機械学習モデルが、従来のアルドステロン/レニン比を上回る性能を示しました。

Guo、Deng、Tanらは、音声指示で超解像超音波イメージング（SRUI）の条件設定、再構成、定量解析、構造化レポート作成を行うマルチモーダルAIフレームワークを報告しました。

ICUの急性腎障害に対する腎代替療法（RRT）は、開始、モダリティ選択、投与量、終了の各判断が連続して絡み合います。本研究は、これらを一体として扱う階層型強化学習システムHRRTを開発し、複数のICUデータベースで後ろ向きに検証した報告です。

本研究は、乳癌患者の術前MRIから腋窩リンパ節転移の状態を包括的に推定するAIモデル「BCALN-Net」を開発・検証した多施設後ろ向き研究です。センチネルリンパ節転移、転移負荷、非センチネルリンパ節転移を一つの枠組みで予測し、腋窩手術の縮小に資する可能性を示しました。

臨床検査室の形態診断を対象にした視覚言語モデル「Lingjian」は、複数のベンチマークで高い性能を示し、特に若手読影者の異常検出を支援する効果が報告されました。

同種造血幹細胞移植後の慢性眼GVHDに対し、問診、音声、臨床データ、前眼部画像を統合するマルチモーダル大規模言語モデル「GVHD-MLLM」が開発・検証された研究です。内部評価では早期警告、診断、重症度分類のいずれも高い性能を示し、外部検証でも診断性能は一貫して高く保たれました。