乳がんの腫瘍微小環境におけるマクロファージの役割は、従来の理解では説明できない複雑性を持っています。本研究は5,000以上の患者サンプルを対象とした統合的な多層オミクス解析により、マクロファージが短期的には化学療法反応と関連しながらも、長期生存では免疫抑制を引き起こすメカニズムを明らかにしました。

マルチモーダル視覚言語モデルを用いた癲癇発作自動検出システム「EpiVLM」が、病院から自宅まで多様な実環境で高い精度を維持することが報告されました。サイト固有の再較正不要で、各地での臨床導入の可能性を示しています。

ミリ波レーダーとAIを組み合わせた「PolyPulse」システムが、接触型センサーなしで脈拍通過時間（PTT）と血圧を複数部位で同時測定することに成功しました。

ブラジルのテレヘルスサービスから収集された270万件超の心電図を、認定循環器医が標準化された66の診断クラスで注釈したCODE-IIデータセット。より大規模なデータセットを上回る高い汎用性と性能を示し、テレ医療における自動心電図診断実装の加速が期待される。

腎生検が必要かどうかの判定（トリアージ）において、複数の医師の判断パターンを個別に学習し統合したAIシステムが、従来の方法よりも高い精度と汎用性を実現しました。医師間の意見相違を「解決すべき問題」ではなく「活かすべき資源」として扱う新しいアプローチです。

直腸がん患者の術前・術中データを機械学習で解析し、一時的回腸造設（ストーマ）の本当に必要な患者のみに限定することで、不要な造設を大幅に削減できることが明らかになりました。安全性を損なうことなく、患者の生活の質向上に貢献する精密医学的アプローチです。

医療画像のハードウェア差を深層学習で吸収し、患者ごとの悪化軌跡を予見し、大規模言語モデルと行動生体マーカーから新しい臨床表現型を抽出する。同時に、精神衛生AIの規制枠組みが地域で実装される。Digital Health & Informatics は今、ばらつき吸収、時間軸同期、ガバナンス実装の三層的成熟段階へ。

個別患者の軌跡をリアルタイムで追跡し、その進行パターンから最適な治療を決める——医療AIが静的リスク分類を超えた時代が本格化している。

標準的なX線画像から深層学習を用いて骨の脆弱性を検出し、骨粗鬆症による骨折高リスク患者を同定するAIツールが開発されました。国際共同研究により、複数の民族集団での実用性が検証されています。

統合失調症患者の実行機能（反応抑制、ワーキングメモリ、認知柔軟性）の欠損パターンを分析することで、2つの安定した臨床サブタイプを同定しました。これらのサブタイプは症状の重篤度、生物学的マーカー、治療反応が異なり、個別化治療戦略の構築に有用です。