人工知能システムが、米国心臓協会のガイドラインに準拠した心肺蘇生法（CPR）指導において、人間の救急通信士を上回る精度を実現しました。目的に特化して開発された「ChatCPR」は、実際の911通話シナリオで100%に近い指導精度を達成しています。

生成型AI（Guided DDIM）を用いることで、MRI画像から小児瀰漫性正中線膠腫の個別化された腫瘍成長パターンを予測でき、放射線治療の治療計画立案に活用できる可能性が示されました。

日常的な診療検査データから患者ごとの最適な治療を推奨するフレームワーク「TCPM」が開発され、6 つの疾患で従来の臨床治療を上回る成果を示しました。この新しい精密医療アプローチは、高額なゲノム解析に代わる臨床実用的な選択肢として期待されています。

深層学習と信号処理を統合した自動診断パイプラインが、住血吸虫症のポイントオブケア検査に客観的で定量的な判定をもたらします。ウガンダでの実地研究により、従来の目視判定と同等以上の性能を実証し、リソース制約下での大規模スクリーニングを可能にします。

急性呼吸不全の患者では、病状の進行パターンが大きく異なります。この研究は、患者の酸素化レベルの時間的変化（軌跡）を分析し、4つの再現可能で予後が異なるパターンを特定しました。機械学習を用いた早期予測により、従来の静的な重症度指標を上回る予後判定が可能になります。

軽症喘息患者の増悪予測において、機械学習モデルの設計方法（コホート設計 vs ケース・コントロール設計）が、臨床応用における精度と安全性を大きく左右することが明らかになりました。コホート設計のモデルが実世界の予測に最も適していることが、大規模な多施設検証研究で実証されました。

イスラエルで実施された大規模臨床試験（n=995）において、会話型AIプラットフォームは対面グループ療法と比較して不安症状の大幅な改善を示しました。同時に、患者が感じる治療的同盟がエンゲージメント向上と症状改善に重要な役割を果たすことが明らかになりました。

グリオーマ（脳腫瘍）の患者のための新しい人工知能（AI）モデルが開発されました。このモデルは、既に持っている病理検査画像から、患者の遺伝子変異を直接予測できるため、高額で時間のかかる遺伝子検査が不要になる可能性があります。

マルチタスク深層学習を用いた脳腫瘍診断支援システムが、放射線科医の診断精度を向上させ、読影時間を大幅に短縮できることが、NPJ digital medicine に発表された研究により実証されました。

CT画像から得られた放射線学的特徴をXGBoost機械学習で解析するRadiomics モデル（Rad-ITF score）が、肝細胞がんの腫瘍内線維化を非侵襲的に評価し、経動脈化学塞栓療法(TACE)の治療効果を予測することが、6施設1,675症例の大規模研究で示されました。