深層学習を活用することで、異なるPETプラットフォーム間での定量値のズレが80%以上削減され、複数のトレーサーに対応できる統一的な診断閾値がついに実現しました。

眼球運動の細かなパターンを深層学習で分析すると、うつ病と自殺念慮を客観的に見分けられる可能性が見えてきた。これまで問診票や臨床面接に頼ってきた精神疾患の診断に、生物マーカーという新しい道を切り開く研究だ。

深層学習モデル「KongMing Model」が新生血管性加齢黄斑変性のanti-VEGF療法で驚くほど高い予測精度を実現しました。眼科医の診断をはるかに上回る精度で、患者の視力改善や網膜構造の変化を事前に推定できることが、多施設共同研究で実証されたのです。

PM2.5への曝露がSARS-CoV-2感染リスクを高める仕組みが、ついに分子レベルで解き明かされました。AI支援による解析と機能ゲノミクスを組み合わせることで、その謎が紐解けたのです。浮かび上がったのはNPC1遺伝子の重要な役割でした。汚染された空気中でウイルスが細胞に侵入する経路を開く、その鍵となるのがNPC1だったのです。

患者由来の幹細胞ニューロンの遺伝子発現パターンとシナプス密度の変化が、統合失調症における認知機能障害を正確に予測できることが分かりました。細胞レベルの異常から脳全体の機能障害へ至るメカニズムが、初めて実証されたのです。

興味深いことに、インターネット遊技障害（IGD）の発症リスクは、脳の休止状態機能的結合パターンから識別できることが分かってきました。つまり、衝動性と関連した脳回路の構造が、青少年がゲーム障害を発症する可能性を早期に予測する客観的な指標になり得るということです。

機械学習でセプシス患者の危機的状況を平均17.6時間前に予測できるモデルが開発されました。実臨床での導入により、ICU滞在期間の短縮と死亡率の低下という予想外の改善が実現しています。

Report-Angelという、マルチモーダル大規模言語モデルを活用した上部消化管内視鏡検査の自動レポート生成システムが、多施設前向き検証試験で高い臨床的受容性を実証しました。内視鏡医の報告業務を大幅に削減する可能性が見えてきています。

AI scribesの導入により、医師の診療記録作成時間が1回の診療あたり約16分短縮され、週当たりの外来患者数が0.49人増加することが、米国5施設の大規模研究で明らかになりました。ただし効果は医師のグループや使用頻度によって大きく異なります。

法執行機関と検死医の記録を機械学習で分析すると、従来の診断では見落とされていた精神衛生障害が次々と明らかになってきました。特に女性と若い世代で神経行動障害がより強く出ていて、これは自殺予防戦略の大きな転換点になりうる発見です。