急性脳卒中患者に対し、MRI画像の自動解析により病変を検出し、個別化された認知予後予測を2分以内に生成する臨床AIプラットフォームが開発されました。従来の手作業による画像解析を置き換え、精密医療の実装に向けた道を切り開いています。

多様な患者集団に対応した骨肉腫予後予測AIの開発に成功。複数の全国がんレジストリーを統合した機械学習アプローチが、従来手法の課題を大きく改善しました。

高中性脂肪血症急性膵炎（HLAP）患者の重症度を正確に予測するため、脂質の化学構造と代謝経路を統合したグラフニューラルネットワーク「DeepLipiDecipher」が開発されました。従来の手法では中性脂肪値が臨床的重症度と一致しないという課題を解決する可能性があります。

脳MRI診断におけるAI支援の効果は、医師の経験レベルによって大きく異なります。興味深いことに、最も経験豊かな放射線科医ではAI支援の効果がわずかである一方、経験の浅い医師ではAIが診断精度を大幅に向上させることが明らかになりました。

大規模言語モデル（LLM）は医療の複雑な因果推論に対応できるのか。HIV抗レトロウイルス療法を事例に検証した新しい研究は、LLMの臨床応用には多くの課題が残ることを示しています。

乳がん検診において、人工知能（AI）を活用した効率的なスクリーニング体制の構築が可能である一方、見逃しがんのリスク管理が重要な課題であることが、フランスの全国検診データ分析から明らかになりました。

胸部CT画像を用いたディープラーニングモデルが、COPD患者における肺気腫の葉別進行を高精度で予測できることが明らかになりました。従来の臨床的評価法と比較して31～39%の精度向上を達成し、個別化治療計画の精緻化に貢献する可能性があります。

局所進行直腸がんの新規補助療法において、MRI画像と臨床データを統合した深層学習モデルが、患者ごとに最適な治療強度を判定できることが示された研究です。過剰治療を避けつつ効果を最大化する個別化医療の実現に向けた重要な成果。

歯学部学生教育における仮想シミュレーション（VS）技術は、従来の補助教材から中核インフラへの転換期を迎えている。国際的な分析により、人工知能との統合によって個別化された学習と効率的な技能習得を実現する可能性が示唆されている。

外科手術領域のランダム化比較試験（RCT）の抄録では、重要な研究情報の報告が不十分であることが多い。大規模言語モデル（GPT-4o）を厳密に制約して運用するパイプラインにより、651件の抄録を改写したところ、CONSORT報告基準の達成率が有意に改善し、医学情報の完全性と可読性が向上することが示されました。