今週の医療AIは、診断精度の競争だけでは語れません。救急外来の業務遂行、胎児超音波の基盤モデル、分散解析、治療効果判定、単純CTでの早期膵がん検出まで、AIが臨床の構造に入り始めています。

本研究は、脳MRI上の髄膜腫を自動セグメンテーションするだけでなく、ボクセル単位の不確実性と腫瘍体積の信用区間を同時に提示する深層学習フレームワークを検証した研究です。

AI4Doctorは、縦断的な電子カルテを中心に学習・調整された臨床大規模言語モデルであり、試験問題型の医学知識ではなく、実際の診療エピソードに根ざした推論と文書作成を重視して設計された。

若者は、会話型生成AIチャットボットがメンタルヘルス支援に役立つ可能性を認めつつも、それが臨床家の代替ではなく、人によるケアを補完するものであることを強く求めていました。

IgE介在性食物アレルギー患者では、QOL低下は一様ではなく、性別、年齢、原因食品数、反応重症度などの臨床情報からリスクの高い集団を捉えられる可能性があります。

複数の病理染色をどうAIに統合させるかは、計算病理学の実装上の重要課題です。本研究は、冠動脈アテローム性動脈硬化の重症度分類を対象に、多染色WSIを扱う深層学習モデルUNICORNを提案しました。

PEALは、多施設の縦断EHRデータを患者単位で共有せずに解析しながら、個票データを一箇所に集約した線形混合効果モデルと数値的に同一の推定を得ることを目指した連合学習手法です。

ER陽性乳がんの通常病理スライドを深層学習で解析し、生殖細胞系列ATM病的／病的疑いバリアントの保有状態を予測できるかを検証した研究です。

卵巣腫瘍の術前評価では、良悪性、組織型、進行期をどこまで正確に見通せるかが治療方針に直結します。本研究は、超音波、造影CT、MRI、臨床情報、腫瘍マーカーを統合したAIシステムOVUCMが、多職種カンファレンスの判断に近い性能を示せるかを検証しました。

本論文は、アルツハイマー病の予後予測において、発話・言語データに基づくデジタルマーカーが重要な役割を担いうると論じています。特に、発症前または早期段階の集団で将来の認知低下を予測するための基盤として、大規模縦断研究 SpeechDx の設計が提示されています。