米国・オーストリア・アジアの12施設で検証されたELDER-ICUモデルは、地域による性能差を示しました。予測精度を保つには、臨床集団の特性に応じた異なる更新戦略が必要であることが明らかになりました。

MRI画像と病理診断データをグラフニューラルネットワークで統合解析することで、乳がんの術前化学療法における完全奏効を高精度で予測するAIシステムが開発されました。従来の単一モーダルアプローチを大きく上回る性能を実現し、個別化医療の実装に向けた重要な成果です。

緊急外来で撮影された頭部CT画像から深層学習モデルを用いて心血管疾患リスクを予測する方法が開発されました。既存の臨床リスク評価に画像解析を組み合わせることで、予測精度が大幅に向上し、従来のリスク評価では見落とされていた若年患者の隠れた血管病変も検出できることが示されました。

咬合（かみ合わせ）の力を自動的に電気エネルギーに変える圧電素材を用いた歯科インプラントが開発され、外部装置なしにインプラント周囲炎を予防できることが実証されました。マウスとビーグル犬での実験では、従来のチタン製インプラント以上の骨統合を達成し、臨床応用の可能性が示唆されています。

眼の結膜血管を撮影した高倍率動画から、深層学習を用いてヘモグロビン濃度と赤血球数を予測する手法が報告されました。採血なしで血球数の推定が可能になれば、特に医療資源が限定される環境での貧血スクリーニングに役立つ可能性があります。

心電図（ECG）から左心室駆出率（LVEF）を推定するAIモデルを開発した研究が、NPJ digital medicineに発表されました。個別化されたモデルを用いることで、従来の心臓画像検査に代わる低コスト・高精度な評価が可能になり、医療資源に限られた地域での臨床応用が期待されます。

機械学習による予後予測ツールが、大腸がん肝転移（CRLM）患者の3年生存率予測精度を有意に改善し、特に経験の浅い外科医の診断能力を向上させることが、NPJ Digital Medicineに掲載された新規RCT研究で明らかになりました。

NPJ digital medicineに掲載された最新研究から、臨床予測タスクにおいて最新のLLMが従来の機械学習やBERTベースモデルを大幅に上回る性能を示していることが明らかになりました。今後の医療機関のAI選択戦略に大きな影響を与えるこの知見を、詳しく解説します。

ルーチンの心臓CT検査に映った心筋上脂肪をAIで解析することで、症状のない患者さんの心不全リスクを高精度に予測できる新しい方法が報告されました。この放射線像解析技術は、早期発見と予防戦略に大きな可能性を秘めています。

知識蒸留技術を活用した軽量AIモデル「USDist」が、乳癌の超音波診断において高い精度を実現しました。計算量を大幅に削減しながらも、従来の大規模基盤モデルと同等の診断性能を発揮し、ポータブル超音波装置への実装も可能であることが実証されました。