手術動画を施設外へ移さずに共同学習するSwarm Learningは、虫垂穿孔の外部検証でAUROC 0.966を示し、データを一か所に集約する中央集約型学習と同等以上の性能を達成した。もっとも、397件を対象とした概念実証であり、実装面ではハードウェアや接続性、臨床情報システムとの連携が大きな課題として残った。

PediatricsのAI研究は、疾患リスク予測、日常言語からの心理兆候検出、対話型支援へと広がった。現在の焦点はモデル性能そのものではなく、誤警報を抑え、信頼を築き、実際の臨床行動につなげられるかにある。

GPT-5に外科医、腫瘍内科医などの役割を与えると、出力は確かに「専門医らしく」なった。しかし、治療推奨の構造まで専門領域ごとに独立していたわけではなく、役割付与だけでは実際の多職種検討に相当する判断の多様性は得られなかった。

Neurology & Neuroscience の現在地は、脳と行動をより精細に測る競争から、その信号が個々の患者の予測と意思決定に本当に耐えるかを検証する段階へ移っている。

原稿 導入 Medical AI Digest Podcast へようこそ。本日は The Journal of allergy and clinical immunology に掲載された論文をご紹介します。 本題 今回取り上げるのは、「人工知能によって支援された季節性アレルギー性鼻炎の原因診断」です。論文タイトルは、“Etiologic diagnosis of seasonal allergic rhinitis supporte...

小児びまん性正中神経膠腫の空間的増殖をMRIから予測する生成AIについて、学習データの約90％を成人膠芽腫が占めること、13患者由来の178スライスを独立に近い単位として評価したことが、臨床性能の解釈を難しくしている。とりわけ、新たな増殖領域の予測精度は腫瘍全体の重なりより大幅に低く、放射線治療計画への有用性はまだ確立されていない。

日常診療で撮影された胸部X線画像から、検査値を使わずに5年以内の慢性腎臓病（CKD）発症を予測するAIモデル「CXR-CKD5」が開発された。米国の別施設における外部検証ではC-index 0.713を示した一方、糖尿病患者での性能低下や絶対リスクの過大評価も明らかになった。

VITAL-AF試験の事後解析では、12誘導心電図を用いたAIモデルが、従来の臨床リスクスコアよりも2年以内の心房細動発症をよく識別しました。試験全体では年齢に基づく一律のスクリーニング効果は確認されなかった一方、AIで予測された高リスク群に対象を絞ると、新規心房細動診断が増加しました。

Radiology & Imaging の焦点は、単発の診断精度から、読影工程の再設計、患者軌跡の予測、導入後の性能維持へ移りつつある。今回のカバレッジは、画像AIを持続可能な臨床システムとして評価する段階への移行を映す。

単一のベースラインカラー眼底写真から、緑内障が今後2〜5年でどの程度構造的に進行するかを予測する深層学習モデルG-PROGが開発されました。ベルギー、フィンランド、ドイツ、中国の6施設で検証され、内部検証ではAUC 0.98、外部データセットでも最大0.86のAUCを示しました。