AI搭載皮膚科アプリケーションが消費者による皮膚疾患の正確な理解と名称付けを改善する可能性が実証されました。一方、適切な医療受診の判断改善には課題が残り、アルゴリズムの精度がその成否を左右することが明らかになっています。

医療機関がAI技術を実装する際の複雑な課題に対応するため、143の論文を分析して統合的なフレームワークが開発されました。このFAIIR-Hフレームワークは、AIの導入から運用までの全段階で、何が成功の鍵となり、何が障壁になるかを体系的に整理しています。

胸部X線画像の自動解釈システム「Janus-Pro-CXR」が臨床試験で有効性を実証。DeepSeekのマルチモーダルモデルを応用したわずか10億パラメータのAIが、診断報告書の質を向上させ、読影時間を削減できることが明らかになりました。

中国の大規模研究により、スマートフォン対応のAI診断システム（IDS）がリアルタイムで複数の前眼部疾患をスクリーニングできることが実証されました。軽量深層学習モデル「Eye-YOLO」は、医療資源が限定的な地域での眼科診断を大きく改善する可能性を示しています。

中国の多施設ランダム化試験により、深層学習（AI）支援が経験1~3年の細胞診病理医の子宮頸部細胞診における診断精度を大幅に改善し、同時に読影効率を劇的に高めることが証明されました。

スイスの大規模研究により、手術終了時の生体情報を機械学習で分析することで、術後感染症リスクをAUROC 0.88の高精度で即座に予測できることが明らかになった。従来の遅延的な検査に代わり、デジタル意思決定支援として機能する。

造血幹細胞移植（HCT）患者の中心静脈栄養（TPN）管理は複雑で施設間の差異が大きい課題です。スタンフォード大学の研究では、機械学習を用いてこの複雑な栄養療法を標準化し、従来の臨床医の処方より優れた投与戦略を自動導出することに成功しました。

腫瘍の複雑な細胞生態系を血液から読み解き、免疫療法の効果を事前に予測する新たな方法が報告されました。従来の組織生検に代わり、血中のセルフリーDNAメチル化パターンから患者の転帰を推定できるようになります。

グリオーマのIDH変異予測において、Vision Transformerベースの深層学習モデル（GliomaVista-IDH）は試験データで医師を大きく上回る性能を示しました。一方、実臨床データでは経験豊富な医師がモデルを凌ぐなど、AIと人間の役割分担の重要性が浮かび上がっています。

患者中心の医療AIシステムが実装される際の課題を、患者・医師・AI開発者34名へのインタビューから検討した研究です。妊産婦うつ病リスク予測を事例として、実装が成功するために何が必要かが明らかになりました。