MRI画像と臨床データ、分子マーカーを統合した深層学習モデルが、グリオブラストーマ患者の個別生存予測を高精度で実現。時期ごとに予測因子の重要性が変化することも明らかになりました。

ラテンアメリカの大規模研究により、心臓代謝、感覚、認知、精神機能など複数の健康領域から構成される虚弱指数が、認知症リスク判定に有効であり、同時に脳画像の疾患特異的な変化パターンと関連していることが示されました。

AI音声記録型スクライブ（AIスクライブ）の臨床記録品質は、医師が作成する記録に及ばないことが、米国の実証研究で明らかになりました。複数のAIベンダーの製品を比較検証した初の大規模評価から、AIは代替手段ではなく「医師の確認が必須な補助ツール」として機能すべき実態が浮き彫りになったのです。

人工知能を用いた心電図解析（AiTiALVSD）は、ケニアの医療施設において左室収縮機能障害の検出に優れた性能を示し、特に疾患のない患者を確実に除外できることが報告されました。資源が限定された環境での心臓超音波検査の効率的な活用につながる可能性があります。

深層学習による急性腎臓病（AKI）予測モデルの外部検証において、単一時点での精度が最高のモデルと、実臨床の連続監視条件で最も実用的なモデルが異なるという重要な知見が報告されました。

血漿プロテオミクスと機械学習を組み合わせることで、パーキンソン病の診断精度が大幅に向上する可能性が示されました。11個のタンパク質バイオマーカーが高精度な診断を実現し、臨床応用への道が開かれています。

側頭骨領域のMRI検査から機械学習（ディープラーニング）を用いて放射線を使わないCT画像（仮想CT）を生成する新技術が開発されました。手術ナビゲーションや病変部位の特定に有効で、特に小児患者や反復検査が必要な症例での放射線被ばく軽減が期待できます。

深層学習（DL）を用いた乳がん危険度評価モデル「Mirai」が、従来の乳房密度評価を大きく上回る判別精度を示しました。この研究は、乳がんスクリーニングにおいて個別化リスク評価への転換の可能性を示唆しています。

アメリカの研究で、喘息有病率の地域格差は貧困率や英語能力の制限などの社会経済的要因が、環境汚染よりも強く影響していることが機械学習による分析で明らかになりました。社会政策と環境対策の統合的なアプローチが必要であることが示唆されています。

幼児期にアトピー性皮膚炎と診断された児童において、機械学習モデルを用いることで、学童期における喘息とアレルギー性鼻炎の発症リスクを高い精度で予測できることが示されました。電子健康記録データを活用した本研究は、小児アレルギー疾患の早期介入とリスク層別化に新たな可能性を開くものです。