Medical AI Digest (JA)

デジタル病理の基盤モデルは、生物学的特徴だけでなく、施設や染色、スキャナなどの技術的差異も学習している可能性がある。本研究は、その頑健性不足を定量化し、下流タスクへの影響を示した重要な検証である。

大規模言語モデル（LLM）を、人間の精神病理に関連する感情過程を調べる実験系として扱えるかを検証したモデリング研究です。GPT-4oでは感情誘導後の自己評価が大きく上昇し、調整プロンプトで低下し、悲しみ誘導後には否定的な認知バイアスも観察されました。

MALDI-TOF質量分析データに対する深層学習モデルを横断的に比較し、感染症診断と媒介蚊サーベイランスの複数課題で有望な性能を示した研究です。

環境曝露の分子機構から個別リスク層別化、限定的リソースの配分まで—Public Health & Epidemiology は今、精密さと現実性の両立、投資の地域格差、設計選択の想定外影響という三つの緊張に直面している。

縦断MRIからアルツハイマー病の進行を予測するには、「疾患らしい変化」と「その人らしい解剖学的特徴」の両立が課題です。本研究は、個人同一性を保持する生成モデルIP-DDGANにより、被験者ごとの将来脳MRIを合成できるかを検証しました。

Fed-GPLは、ViTやSAMなどの視覚基盤モデルを凍結したまま、施設横断で軽量なプロンプト生成器を学習する連合学習フレームワークである。多施設の医用画像分類・セグメンテーションにおいて、性能、通信効率、低リソース性、プライバシー面のバランスを改善した点が本研究の中心である。

十二指腸乳頭部病変の内視鏡診断において、AI支援が診断精度を改善するかを検証した後ろ向き単施設研究です。特に内視鏡フェローと一般消化器内視鏡医で、AI提示により正診率が有意に向上しました。

AI支援下で初心者が取得したfocused cardiac ultrasound（FoCUS）は、選択された構造的心疾患のスクリーニングにおいて高い実施可能性と診断性能を示した。一方、AI心電図で対象を絞ってからFoCUSを行う二段階戦略は超音波使用を減らすものの、検出感度の低下を伴った。

マラウイの一次医療施設を受診した2〜59か月の肺炎児を対象に、7日以内の入院または死亡を予測する機械学習モデルが開発・外部検証されました。選択されたランダムフォレストモデルは、WHO重症度基準や既存リスクスコアを上回る予測性能を示しました。

妊娠後期の前期破水、特にpreterm prelabor rupture of membranes（PPROM）のリスク層別化に、日常診療で測定されるCRPやアルブミンを用いた説明可能AIが有用である可能性が示されました。