Medical AI Digest (JA)

小児脳腫瘍患者における人工知能を用いた側頭筋厚の自動計測により、従来のBMIでは検出できないサルコペニア（筋肉の異常減少）を非侵襲的に監視できることが明らかになりました。

24時間pH-インピーダンステストで酸逆流が検出されなかった患者の中に、実は臨床的に有意な逆流を持つ患者が隠れているかもしれません。機械学習による異常検出フレームワークが、従来の判定基準では見落とされる症例を効率的に特定できることが示されました。

肝胆膵手術の術後合併症を行政データから自動的に分類するアルゴリズムが開発されました。専門家が設計したルールベースの手法は、機械学習よりも優れた精度を達成し、医療の質管理を効率化する可能性があります。

子宮体がん手術後に起こる血栓症の個別化リスク予測を可能にするAIモデルが開発されました。医師が判断根拠を理解できる「説明可能なAI」として、手術後の予防治療の個別化に貢献します。

胸部CT画像を用いたディープラーニングモデルが、COPD患者における肺気腫の葉別進行を高精度で予測できることが明らかになりました。従来の臨床的評価法と比較して31～39%の精度向上を達成し、個別化治療計画の精緻化に貢献する可能性があります。

乳がん検診において、人工知能（AI）を活用した効率的なスクリーニング体制の構築が可能である一方、見逃しがんのリスク管理が重要な課題であることが、フランスの全国検診データ分析から明らかになりました。

大規模言語モデル（LLM）は医療の複雑な因果推論に対応できるのか。HIV抗レトロウイルス療法を事例に検証した新しい研究は、LLMの臨床応用には多くの課題が残ることを示しています。

脳MRI診断におけるAI支援の効果は、医師の経験レベルによって大きく異なります。興味深いことに、最も経験豊かな放射線科医ではAI支援の効果がわずかである一方、経験の浅い医師ではAIが診断精度を大幅に向上させることが明らかになりました。

高中性脂肪血症急性膵炎（HLAP）患者の重症度を正確に予測するため、脂質の化学構造と代謝経路を統合したグラフニューラルネットワーク「DeepLipiDecipher」が開発されました。従来の手法では中性脂肪値が臨床的重症度と一致しないという課題を解決する可能性があります。

多様な患者集団に対応した骨肉腫予後予測AIの開発に成功。複数の全国がんレジストリーを統合した機械学習アプローチが、従来手法の課題を大きく改善しました。