Medical AI Digest (JA)

深層学習アンサンブル手法AUBADE-synは、合成眼底画像を用いたデータバランシングにより、クラス不均衡が顕著な実臨床データセットでも緑内障検出の高精度化を実現しました。

米国の大規模臨床研究により、入院リスク予測AIが救急部門の運営効率を改善し、患者の平均滞在時間を4.0%短縮することが実証されました。AIによる意思決定支援の活用が、個別の臨床判断の強化ではなく、複数チーム間の治療方針決定を加速させることで、全体的な診療フローを改善する可能性が示唆されています。

ノルウェーの大規模研究で、デジタルブレストトモシンセシス（DBT）検診におけるAIの有用性が確認されました。AI（Transpara v2.1）は独立した放射線科医による二重読影と同等の性能を発揮し、先行画像の有無に関わらず安定した検出性能を示しています。

光電脈波（PPG）信号から抽出した78個の形態学的特徴を用いた機械学習モデルは、末梢動脈疾患の検出においてAUC 0.831の精度を達成し、わずか4秒で実施可能な新しいスクリーニング手法として期待されています。

電子健康記録（EHR）に統合された腎移植片喪失リスク予測AIモデルは、優れた予測性能を有していたにもかかわらず、医師の利用率が低く、患者との会話や共有意思決定に有意な改善をもたらしませんでした。

スマートウォッチの電気的インピーダンスセンサーと物理学の原理を統合した機械学習モデルにより、カフレスで高精度な血圧と血流速度の連続測定が実現しました。

米国の大規模研究により、深層学習を用いた心電図解析が10年間の虚血性脳卒中リスク予測に有効であることが実証されました。特にP波領域の異常が心房心筋症を反映し、脳卒中リスク層別化の新しい手段として期待されています。

CT画像から得られた放射線学的特徴をXGBoost機械学習で解析するRadiomics モデル（Rad-ITF score）が、肝細胞がんの腫瘍内線維化を非侵襲的に評価し、経動脈化学塞栓療法(TACE)の治療効果を予測することが、6施設1,675症例の大規模研究で示されました。

機械学習フレームワークが、ラボ値やCT画像から患者のリスク層別化を自動実行。複数のがん種で検証され、精密医療の実装加速が期待される。

血液検査から得られる遺伝情報と遺伝子発現データを組み合わせることで、アルツハイマー病の検出精度が単独使用時と比べて有意に向上することが報告されました。この統合的アプローチにより、より正確で実用的な早期リスク判定が可能になります。