機械学習と自然言語処理を用いて、子どもの作文の言語特徴と従来の医学的危険因子を組み合わせることで、精神健康障害のスクリーニング精度が大幅に向上することが実証されました。

医療AIが無意識に患者の真の症状ではなく、撮影時期や機器といった無関係な特徴に頼る「ショートカット学習」という危険な現象があります。新しいデータセット監査方法G-AUDITが、こうした見落とされたバイアスを自動検出し、AIの失敗を未然に防ぎます。

根治的腎摘除術後の腎機能急速低下を予測するマルチモーダルディープラーニングモデル（RDPM）が開発され、15施設の大規模データで高い予測精度（AUC 0.788-0.873）が確認されました。このモデルは、部分腎摘除術が技術的に困難な腎細胞がん患者の治療選択を支援する可能性があります。

老化はもはや不可避ではない。複数の生物学的信号—胸部X線、脳波、血液、音声分析—がすべて同じ事実に収束している。老化速度は測定可能で、アルツハイマー病の多次元検出が確実になり、個別患者の未来のリスクが予測可能になった。高齢医療は今、新しい段階に入りつつある。

子宮体がん手術後に起こる血栓症の個別化リスク予測を可能にするAIモデルが開発されました。医師が判断根拠を理解できる「説明可能なAI」として、手術後の予防治療の個別化に貢献します。

肝胆膵手術の術後合併症を行政データから自動的に分類するアルゴリズムが開発されました。専門家が設計したルールベースの手法は、機械学習よりも優れた精度を達成し、医療の質管理を効率化する可能性があります。

24時間pH-インピーダンステストで酸逆流が検出されなかった患者の中に、実は臨床的に有意な逆流を持つ患者が隠れているかもしれません。機械学習による異常検出フレームワークが、従来の判定基準では見落とされる症例を効率的に特定できることが示されました。

小児脳腫瘍患者における人工知能を用いた側頭筋厚の自動計測により、従来のBMIでは検出できないサルコペニア（筋肉の異常減少）を非侵襲的に監視できることが明らかになりました。

新しい計算フレームワーク「BRIDGE」が、腫瘍の分子学的特性から乳がん患者の新規補助療法への反応を高い精度で予測することを実現しました。ルーチンの病理スライドからの予測も可能です。

火災の初期段階での検知を実現する、太陽盲深紫外線（DUV）センサーを統合したワイヤレスシステムが開発されました。機械学習により炎の種類、強度、距離を判定でき、森林火災や産業施設での迅速な対応を可能にします。