Public Health & EpidemiologyにおけるAIの焦点は、予測精度から、誰に介入が届き、どこで効果を発揮し、現場で安全に使われるかへ移った。今回のレビューは、その実装と公平性をめぐる専門領域の軌跡を読み解く。

OncologyのAIは、予後を当てる段階から、治療強度、手術戦略、合併症予防を選ぶ段階へ。腫瘍免疫の空間構造と宿主の脆弱性まで含め、臨床判断に接続する現在地を読み解く。

空間プロテオミクス画像を、測定マーカーや撮像技術の違いを越えて解析できる基盤モデル「Virtual Tissues（VirTues）」が報告された。3,102人を含む大規模コーパスで事前学習したモデルは、欠損画像の再構成から細胞分類、患者層別化まで幅広い課題に対応し、トリプルネガティブ乳がんの治療反応をAUROC 0.823で予測した。

医療AIの焦点は、精度競争から臨床的に意味のある表現、測定可能な便益、失敗への耐性、実装を支える制度設計へ移りつつある。今回のレビューは、その転換を画像・生物学・臨床LLM・ガバナンスから読み解く。

皮膚科診断を支援する説明可能AIは、一般人とプライマリ・ケア医に同じようには作用しなかった。AIは全体として診断精度と肌色間の公平性を改善したが、説得力のあるLLM説明は、一般人が誤ったAI判断を受け入れる危険も大きくした。

Psychiatryの現在地は、診断名を当てるAIから、行動の変化を捉え、病態の異質性を分け、支援との接点を設計するAIへ移りつつある。性能指標の先で、臨床的妥当性と統合の条件が問われている。

整形外傷手術の1日当たり需要を予測するモデルを比較した結果、特徴量を手動選択したPMD-SARIMAは、テストデータで平均絶対誤差1.80時間を達成した。従来の移動平均より高需要日の識別精度も高く、手術室資源を動的に配分するための基盤となる可能性が示された。

パーキンソン病に伴う抑うつ、アパシー、衝動性は、視床下核（STN）内の同じ生理現象ではなく、それぞれ異なる周波数帯、空間的位置、脳領域との構造的結合に関連していた。解剖学的な電極位置と局所フィールド電位を組み合わせることで、症状ごとの神経基盤を多層的に捉えた研究である。

成人アトピー性皮膚炎の軽症例と重症例を比較した血清プロテオーム解析で、重症例には上皮障害とTh2／Th22免疫応答に結びつく明瞭な分子シグネチャーが認められた。さらに、9種類のタンパク質からなる候補パネルは、事前に定義された重症群と軽症群を高い精度で識別した。

難治性うつ病に対する脳神経外科治療後も、意思決定の遅さは残る一方、臨床的な反応例では報酬の価値づけと学習に関わる機能がより正常に近い状態を示した。治療効果を理解するうえで、精神運動速度よりも報酬回路の回復が重要である可能性を示す横断研究である。