新しい血液検査に基づくプロテオミクスモデルにより、2型糖尿病患者における糖尿病網膜神経症（DRN）の発症リスクを、不可逆的な網膜損傷が生じる前に特定できることが明らかになりました。このモデルは従来の臨床変数との組み合わせで高い予測精度を実現し、眼科スクリーニング資源の効率的配分を可能にします。

大規模な未ラベル画像データを活用した基盤モデル「SKELEX」が、骨・関節放射線画像診断のAIに革新をもたらします。ラベル付けの負担を大幅に軽減しながら、高い診断精度を実現する新たなアプローチとして期待されています。

スマートホームに設置された非接触型センサーと機械学習を組み合わせることで、脳血管疾患の前駆段階にある患者を高精度で特定できることが示されました。この研究は、院外での継続的な健康監視による早期介入の可能性を示唆しています。

心筋梗塞患者の予後予測において、AI を用いたラジオミクス解析が従来の形態学的評価を超える予測性能を発揮することが、多施設研究で示されました。この手法は、心臓 MRI 画像に潜む微細な情報を自動抽出することで、より精密な個別リスク層別化を可能にします。

新しいMambaアーキテクチャを基盤とした深層学習モデル（MCEN）が、乳がん患者の術前化学療法における病理学的完全奏効（pCR）を針生検標本から高精度に予測できることが、多施設共同研究で検証されました。

デジタル乳房トモシンセシス（DBT）のスクリーニング検査にAIベースのスラブ再構成技術を導入しても、癌検出率と感度は低下しないことが大規模後ろ向き研究で明らかになりました。むしろ特異度が改善し、放射線科医の認知的負荷を軽減できる可能性があります。

Psychiatry 領域では、眼球運動、ウェアラブル、神経画像による客観的バイオマーカーが患者異質性を可視化し、同時に AI が臨床支援、教育、規制ガバナンスを統合。精密医学への転換と AI の実装が、ほぼ並行して加速している。

カナダの研究グループが、小児喘息患者における救急受診や入院の繰り返しを高精度で予測する機械学習モデル「AIRE-KIDS」を開発しました。従来の臨床判断を大きく上回る性能を示し、臨床応用への道が開かれています。

米国の思春期若年層（12～21歳）の約19.2%がAIチャットボットで心理相談を受けており、その3分の2以上が医師や両親に非開示という調査結果が報告されました。

電子健康記録（EHR）に含まれる『隠れた矛盾』を検出する新しい方法論「Medical Data Pecking」が提案されました。大規模言語モデルとソフトウェア単体テストの原理を組み合わせることで、データ品質保証を大規模に自動化できることが明らかになりました。