MALDI-TOF質量分析データに対する深層学習モデルを横断的に比較し、感染症診断と媒介蚊サーベイランスの複数課題で有望な性能を示した研究です。

大規模言語モデル（LLM）を、人間の精神病理に関連する感情過程を調べる実験系として扱えるかを検証したモデリング研究です。GPT-4oでは感情誘導後の自己評価が大きく上昇し、調整プロンプトで低下し、悲しみ誘導後には否定的な認知バイアスも観察されました。

デジタル病理の基盤モデルは、生物学的特徴だけでなく、施設や染色、スキャナなどの技術的差異も学習している可能性がある。本研究は、その頑健性不足を定量化し、下流タスクへの影響を示した重要な検証である。

血漿cell-free RNA（cfRNA）を用いた診断バイオマーカー探索に、大規模言語モデル（LLM）がどこまで貢献できるのかを検証したベンチマーク研究です。LLMは疾患関連遺伝子パネルの候補選定で一定の有用性を示しましたが、従来の差次的発現解析や標準的な機械学習パイプラインを置き換える段階にはありませんでした。

PathTIGRは、がんゲノム異常をKEGG経路トポロジーに重ねることで、免疫チェックポイント阻害薬への応答を予測する解釈可能なグラフ学習フレームワークである。本研究では、 melanomaを中心とする複数コホートで高い予測性能と生物学的に妥当な経路・遺伝子の同定が示された。

頭頸部がんの多職種腫瘍ボード記録において、プロンプトで出力を方向づけた環境AIは、指示なしのAI記録や研修医による手入力記録より高い記録品質を示しました。

眼科超音波画像とレポートを大規模に学習した基盤モデル「SonoEye」は、異常スクリーニング、19カテゴリーの鑑別診断、視機能障害・眼腫瘍リスク層別化で高い性能を示しました。

入院中の低血糖を、日常診療で蓄積される電子カルテデータから24時間以内に予測する深層学習モデルの開発・前向き評価が報告された。モデルは実運用に近い日次検証でも安定した性能を示し、低血糖リスク患者の事前抽出に向けた可能性を示した。

ケニアの一次医療クリニックで電子カルテに組み込まれたLLM診療支援システムは、利用頻度が高く、出力の多くは地域ガイドラインと整合していました。一方で、潜在的に有害な推奨も一定数みられ、その一部は最終診療記録に反映されていました。

創傷部のドレッシング交換を題材に、臨床手技を動画から自動評価するAIシステムを開発・検証した研究です。対照学習と専門家採点済み動画の検索を組み合わせることで、客観的で標準化された手技評価に近づける可能性が示されました。