Medical AI Digest (JA)

大腸内視鏡検査におけるコンピュータ支援検出（CADe）機器の導入は、腺腫発見率を有意に高める可能性が示されました。

臨床ノートから予測モデルを作る際、AIに任せきるのではなく、臨床チームが反復的に介入することで、性能と臨床的妥当性を高められる可能性が示されました。

血漿プロテオームから推定した生物学的年齢は、網膜画像から見た眼の老化表現型とよく対応し、白内障、糖尿病網膜症、加齢黄斑変性、緑内障の発症リスクとも関連していました。

腎腫瘤の非侵襲的評価を目的に開発された疾患特化型vision-language foundation model「RenalCLIP」は、CT画像と放射線レポートを統合的に学習し、腎がん診療で重要な診断・層別化タスクにおいて高い性能を示しました。

パーキンソン病における個人レベルの認知機能低下予測は、モデルを複雑にしても大きく改善しませんでした。鍵を握っていたのは、アルゴリズムの性能よりも、認知アウトカムそのものの測定 fidelity でした。

医療LLMの性能は、モデルだけでなく、学習に使う診療対話データの質に大きく左右される。本研究は、雑音を含む医師・患者会話の文字起こしを、LLMのファインチューニングに適した構造化データへ変換するエージェント型パイプラインを検証した。

Fundus2Videoは、1枚のカラー眼底写真から動的な蛍光眼底造影（FFA）動画を生成する網膜生成モデルです。本研究は、この生成表現が眼科疾患だけでなく全身疾患関連タスクにも転移し得ることを示しました。

MALDI-TOFの生データから、菌種同定だけでなく抗菌薬耐性まで予測しようとする深層学習システム「ANTIBIOTIC」の研究です。菌種同定は高い性能を示した一方、耐性予測は施設や時期を越えると性能低下が目立ち、臨床導入には慎重な検証が必要であることが示されました。

医療画像の 2026 年上半期は、foundation models と workflow automation、cross-system harmonization が同時進行。PET から超音波まで、AI がより広く、より速く、より標準化された診断を実現する局面へ。

この1週間、医療AIは診断から予防への転換を加速させた。血液から5年前の肺がんリスクを予測し、赤外線カメラが睡眠時無呼吸を自宅で見つけ、大規模言語モデルは医療知識に根ざした回答へ進化する。診断ありきではない医療の未来像が形になりつつある。