ルーチンのH&E染色病理スライドから、髄膜腫の分子群、染色体コピー数異常、再発リスクを予測できるかを検証した多施設後ろ向きコホート研究です。DNAメチル化プロファイリングを用いずに、分子分類へ近づく実用的な可能性が示されました。

パーキンソン病に対する脳深部刺激(DBS)治療は優れた運動症状改善をもたらしますが、患者の生活の質(QoL)改善には大きなばらつきがあります。本研究は、術前の患者特性と電極位置から、術後のQoL改善を予測できる3つの独立した因子を特定しました。

大腸がん患者の予後予測に、ルーチン血液検査と機械学習を組み合わせた新しい予測モデルが開発されました。このモデルは従来のTNM分類より精度が高く、高リスク患者の早期特定や個別化治療計画に活用できる可能性があります。

腰椎MRI画像から筋肉の変性パターンを自動検出し、骨粗鬆症性椎体骨折のリスクを予測するAIシステムが開発されました。プライバシーを保護する技術を用いた多施設共同研究により、臨床応用が大きく前進しています。

ChatGPT-4oは複雑な多発神経炎の診断において、非専門医と同等の精度を示しながら、鑑別診断と確認検査の提案では専門医を含むすべての医師を上回りました。ただし、34.5%の誤診率と臨床推論の問題により、専門医の代替にはなり得ません。

医療用視覚言語モデル「RadiSim-CL」は、カリキュラム学習を通じて放射線科医の段階的な学習過程を再現し、複数の放射線画像モダリティにおいて優れた診断精度と汎化性能を実現しました。

眼科臨床ガイドラインから構築した知識グラフを用いたEyeRAGは、患者対話におけるAIの幻覚を30%から3.3%に削減し、眼科医による評価で全ての評価項目で優位性を示しました。

スマートフォンを用いた生体力学解析プラットフォーム「ポータブル生体力学検査室」が開発され、臨床現場での実用性が実証されました。特別な装置やセットアップなしに、わずか3°以下の精度で関節角度を測定できます。

深層学習モデル「ProViCNet」は、MRIによる前立腺がん検出で放射線科医を上回る精度を達成しました。PSA検査と組み合わせることで、診断精度を保ちながら不要な生検を大幅に削減する可能性が示唆されています。

Nature communicationsに発表された研究により、赤外線ビデオと軽量の深層学習モデルを組み合わせたSlActionシステムが、接触センサーなしで閉塞性睡眠時無呼吸（OSA）の検出と重症度評価を実現しました。