Medical AI Digest (JA)

胸部X線画像だけを用いて事前学習した基盤モデル「RayDINO」が、分類、領域分割、レポート生成など幅広い課題で良好な成績を示した。希少所見や外部集団での評価は有望だが、各課題には教師ありの追加学習が必要であり、臨床での有用性や公平性の検証はなお残されている。

早産児の壊死性腸炎（NEC）に先行する腸内微生物の特徴は、発症時期によって異なることが示されました。生後40日以内の発症ではファージ、41日以降では細菌の薬剤耐性遺伝子が有力な予測情報となりましたが、臨床導入を裏づける段階にはありません。

構造MRIと拡散MRIを組み合わせる自動解析指標MARBLEが、剖検で確認されたLATEの病理変化を生前の画像から識別した。外部検証全体のAUCは0.76で、独立した高齢者集団では、スコアが高いほどその後の認知機能低下が速いことも示された。

単純胸部CTから自動測定した傍脊柱筋のCT値は、臨床リスク因子だけでは捉えきれない、約6年後の胸椎骨密度に関する情報を加えました。ただし、追跡時点の骨密度を予測することと、開始時点からの骨密度減少量を予測することは区別して読む必要があります。

眼窩・頭頸部腫瘍のMRIレポートを用いた２施設の後ろ向き研究で、GPT-5-Thinkingは領域専門医に数値上近い診断正答率を示し、一般放射線科医への支援でも正答率を改善した。ただし、評価したのは記載された画像所見からの診断推論であり、画像そのものを読み取る能力ではない。

術前のCT・MRIと術中X線を位置合わせする「xvr」は、患者別の追加学習を5分で行い、その後の最適化を組み合わせることで、12時間かけて一から学習した場合との精度差を統計的に認めなかった。複数の解剖学的部位と臨床画像で有効性を検証した研究だが、精度にはデータセット間で差があり、患者の安全性や治療成績の改善はまだ示されていない。

院内で稼働する医療AIエージェントは、診断シミュレーションでクラウド型モデルに迫る精度を示した。さらに、同じ症例を繰り返し診察した際の診断の一貫性を使うと、約半数の症例を正診率98.9％の集団として選別できたが、一貫して誤る症例も残った。

局所進行非小細胞肺がん患者227例を対象とした後ろ向き研究で、診療録から抽出した治療前・治療中の症状と患者背景を組み合わせたモデルが、放射線肺臓炎の予測でAUC 0.759を示した。治療中に新たに現れる症状の有用性を示す結果だが、評価は単施設内の検証にとどまり、臨床導入には外部・前向き検証が必要である。

妊娠中の母体の記録と出生後の乳児の記録を組み合わせることで、乳児の一部疾患の予測性能が向上した。Nature Medicineに掲載されたMoChiAgentの研究は、母子の経時的な電子カルテを活用する可能性を示す一方、現在の病態を見分ける性能と将来の発症を予測する性能、そして診療での有効性を分けて評価する必要性を浮き彫りにした。

臨床的に低・中間リスクと分類された前立腺がんでも、遺伝子発現のネットワークに着目することで、進行しやすい患者を識別できる可能性が示されました。ZNF268と関連する10遺伝子のRewiring Scoreは複数コホートで予後と関連しましたが、監視や治療の変更に用いるには前向き検証が必要です。