切除不能II〜III期非小細胞肺がんの予後予測において、CT、病理Whole-slide image、臨床情報の一部が欠けていても患者を除外しないAIフレームワークが検討されました。3モダリティを用いた中間融合モデルは、単一モダリティや多くの融合手法を上回る全生存予測性能を示しました。

マンモグラフィ画像のみから算出する深層学習リスクスコアは、乳がんを発症した女性で診断前から経時的に上昇していました。一方、非発症の対照群ではスコアはおおむね安定しており、画像AIスコアが動的なリスク指標となる可能性を示した研究です。

下肢リンパ浮腫のMRリンパ管造影では、リンパ管と同時に描出される静脈信号が読影の妨げになる。本研究は、深層学習モデルLympClearにより静脈信号を抑制し、画像品質、逆流検出、読影時間、形態分類の一貫性を改善できるかを検証した多施設研究である。

尿中薬物検査の専門的なサインアウトを、AIがどこまで支援できるのか。本研究は、生成AIに自由記述を任せるのではなく、予測モデルとテンプレートを組み合わせた human-in-the-loop 型システムを臨床ワークフローに実装し、効率と精度を評価した報告です。

ロボット支援前立腺全摘除術の手術動画から、細かな手技シーケンスを自動認識し、術後12カ月の勃起機能回復を予測するAIシステム「Frame-to-Outcome（F2O）」を評価した研究です。

IVCM-Insightは、角膜のin vivo confocal microscopy（IVCM）画像から構造化レポートを自動生成し、臨床的な質問応答にも対応するAIシステムとして報告された。単施設後ろ向きデータを用いた評価では、参照レポートとの高い一致と、専門医による良好な評価が示されている。

非小細胞肺がんの病理サブタイプ分類において、AIが常に単一の答えを出すのではなく、不確実な症例を保留する枠組みが提案されました。TRUECAMは、不確実性推定、曖昧領域の除外、conformal predictionを組み合わせ、診断AIの信頼可能な適用範囲を明確にしようとする研究です。

Natureに報告された本研究は、標準的な心電図から突然心臓死リスクを予測する深層学習バイオマーカーを開発・検証したコホート研究です。従来の左室駆出率（LVEF）基準では捉えにくい高リスク集団を同定しうる点が、臨床的に重要です。

卵巣がんの診断時H&E全スライド画像、HRD status、ランダム化治療データを組み合わせた深層学習モデルが、オラパリブ＋ベバシズマブ維持療法の個別利益を推定した研究です。

MASLDの肝線維化を、単なる量や病期ではなく「膠原線維がどのように沈着しているか」という形態パターンから捉え直した研究です。AI由来のcollagen deposition phenotypes（CDPs）は、線維化に関連するトランスクリプトーム、プロテオーム、臨床転帰と強く結びついていました。