手首に装着するマルチモーダル電子スキンと深層学習を組み合わせ、日常動作や運動の種類を94.7％の精度で識別し、主観的疲労も連続的に推定した研究である。異質な生体時系列から共通表現を学ぶことで、ノイズや欠測への耐性を高め、必要なラベル付きデータを減らせる可能性が示された。

非心臓手術後30日以内の心血管イベント予測において、通常の術前心電図所見も、波形を深層学習で解析するPreOpNetも、既存の臨床リスクスコアに加える情報は限定的だった。NT-proBNPと高感度トロポニンTは、心電図に基づく手法より高い予測性能と臨床的有用性を示した。

構造MRI、アミロイドPET、基本的な人口統計情報から、アミロイド陽性者におけるBraak III/IV領域のタウ陽性を高精度に分類できる可能性が示された。最良のロジスティック回帰モデルは、独立した外部コホートでもAUC 0.92を維持した。

構造を厳密に定めたDNA被覆カーボンナノチューブセンサーと機械学習を組み合わせ、血清から肝がん、肺がん、卵巣がんを識別する「人工知覚システム」が報告された。外部検証では、多がん種分類で正確度88.9％、早期肺がん検出でAUC 0.94を示した。

意味情報を組み込んだ病理AI「SÉMIL」は、通常のH&E全スライド画像から大腸癌の浸潤先進部形態を自動判定し、独立した3つのステージIIコホートすべてで5年再発リスクを有意に層別化した。特に、診療ガイドライン上すでに高リスクとされる患者群の内部でも、追加的なリスク評価能力を示した点が重要である。

後腹膜肉腫に対する術前放射線治療の効果は、患者全体ではなく、特定の脂肪肉腫サブグループに集中している可能性が示された。STRASS試験の全266例を解釈可能なAIで再解析したところ、反応性が高い2集団では3年腹腔内無再発生存率が79％対58％となった。

日常診療で蓄積される終夜睡眠ポリグラフ検査の生波形には、無呼吸・低呼吸指数（AHI）だけでは表現できない長期予後の情報が含まれている可能性がある。9608件の睡眠検査を用いた本研究では、基盤モデルが抽出した表現から5つのリスク群を同定し、最高リスク群の全死亡ハザードが最低リスク群の2.38倍に達した。

腎腫瘍の全スライド病理画像から、組織領域の検出、腫瘍亜型分類、核異型度判定、さらに生存リスク予測までを一貫して行うAIシステムが開発された。4病院と公開コホートを用いた大規模な後ろ向き研究で、外部検証においても診断・予後予測の双方で良好な性能を維持した。

精神病研究で広く用いられる51種類の自然言語処理（NLP）指標を比較したところ、複雑な指標の多くは、単語数や平均文長といった単純な発話量指標を上回らなかった。さらに、成績の良い指標も精神病に特異的とは限らず、臨床利用に向けた検証上の課題が示された。

小児心エコー検査全体を解析し、先天性心疾患や術後所見を含む28項目を同時に検出する深層学習モデル「EchoAI-Peds」が、外部検証でマクロ平均AUROC 0.89を示した。成人心エコー向けモデルの成績を大幅に上回り、小児に特化したモデル開発の必要性を明確にした研究である。