Medical AI Digest (JA)

グリオーマ（脳腫瘍）の患者のための新しい人工知能（AI）モデルが開発されました。このモデルは、既に持っている病理検査画像から、患者の遺伝子変異を直接予測できるため、高額で時間のかかる遺伝子検査が不要になる可能性があります。

軽症喘息患者の増悪予測において、機械学習モデルの設計方法（コホート設計 vs ケース・コントロール設計）が、臨床応用における精度と安全性を大きく左右することが明らかになりました。コホート設計のモデルが実世界の予測に最も適していることが、大規模な多施設検証研究で実証されました。

骨欠損の再建に用いられるマスケレット手術は有効な治療法ですが、慢性骨髄炎の再発例が存在します。本研究では、MRI画像解析と臨床情報を統合した機械学習モデルにより、個々の患者の再発リスクを高精度に予測できることを示しました。

中国で実施された大規模研究により、気象変動と個人の臨床特性を統合した機械学習モデルが、院外心停止（OHCA）のリスク予測精度を有意に向上させることが示されました。この動的リスク予測システムは、救急医療体制の事前準備や資源配置に活用できる可能性があります。

CT検査を省略しながら高精度なPET画像補正を実現する深層学習手法が開発されました。わずか5例の患者データで多施設・多機器に対応できる「CrossPET-Adapt」は、診断精度を維持しつつ放射線被曝を削減できる可能性を示しています。

電子カルテに記載されながら診断欄から漏れている診断名を自動検出するAIフレームワーク「DKFusion」が開発されました。中国の複数病院での検証で、見落とし診断の検出に成功し、診療記録の質向上と医療従事者の作業効率化をもたらしています。

がん患者の薬剤反応を予測するモデルは多数提案されていますが、DrEvalという標準化されたベンチマーク枠組みにより、既存モデルの性能が従来の報告値よりも大幅に限定的であることが明らかになりました。

新しい説明可能AIフレームワーク「MorphoXAI」は、全スライド画像の深層学習による診断予測を、病理医が理解できる形態学的パターンで説明します。複数の腫瘍亜型の分類で臨床的有用性が検証されました。

大規模医療データを学習した人工知能の基礎モデル「ukbFound」が、50万人以上の詳細な健康情報から疾患の新しいサブタイプを自動抽出し、疾患予測と予防戦略の最適化に新しい道筋を示しました。

Google DeepMindが開発した会話型AI「AMIE」の多機能拡張版が、プライマリケア医との模擬診察比較試験で32の評価項目中29項目において医師を上回る成績を示しました。皮膚疾患の画像、心電図、医療文書など複数の医療データを対話の中で統合的に解釈できる新しいAIシステムの臨床応用の可能性を示す研究です。