Medical AI Digest (JA)

スウェーデンの10施設での前向き研究により、脳血管閉塞検出専用の商用AI「AIDOC-VO」が、経験豊富な放射線科医と同等の診断精度を示しながら、医師が見落とした病変を追加検出できることが実証されました。

大規模言語モデル（LLM）は認知バイアスを含むプロンプトに対して脆弱であり、放射線科試験問題で正答率が最大45%低下することが判明しました。臨床導入には、包括的な対抗的テストと堅牢な防御戦略が不可欠です。

放射線科医による診断報告書の作成を支援する微調整大規模言語モデル（MIRA）が、6施設での盲検臨床評価で69%の症例において医師の基準と同等以上の品質を実現し、報告書作成時間を約0.46分短縮することが報告されました。

医療機関がAI技術を実装する際の複雑な課題に対応するため、143の論文を分析して統合的なフレームワークが開発されました。このFAIIR-Hフレームワークは、AIの導入から運用までの全段階で、何が成功の鍵となり、何が障壁になるかを体系的に整理しています。

中国の大規模研究により、スマートフォン対応のAI診断システム（IDS）がリアルタイムで複数の前眼部疾患をスクリーニングできることが実証されました。軽量深層学習モデル「Eye-YOLO」は、医療資源が限定的な地域での眼科診断を大きく改善する可能性を示しています。

胸部X線画像の自動解釈システム「Janus-Pro-CXR」が臨床試験で有効性を実証。DeepSeekのマルチモーダルモデルを応用したわずか10億パラメータのAIが、診断報告書の質を向上させ、読影時間を削減できることが明らかになりました。

腫瘍の複雑な細胞生態系を血液から読み解き、免疫療法の効果を事前に予測する新たな方法が報告されました。従来の組織生検に代わり、血中のセルフリーDNAメチル化パターンから患者の転帰を推定できるようになります。

造血幹細胞移植（HCT）患者の中心静脈栄養（TPN）管理は複雑で施設間の差異が大きい課題です。スタンフォード大学の研究では、機械学習を用いてこの複雑な栄養療法を標準化し、従来の臨床医の処方より優れた投与戦略を自動導出することに成功しました。

スイスの大規模研究により、手術終了時の生体情報を機械学習で分析することで、術後感染症リスクをAUROC 0.88の高精度で即座に予測できることが明らかになった。従来の遅延的な検査に代わり、デジタル意思決定支援として機能する。

中国の多施設ランダム化試験により、深層学習（AI）支援が経験1~3年の細胞診病理医の子宮頸部細胞診における診断精度を大幅に改善し、同時に読影効率を劇的に高めることが証明されました。