ボストンチルドレンズホスピタルが開発したAIモデル「EchoFocus-CHD」は、心エコー画像から先天性心疾患を自動検出できることを実証しました。興味深いことに、優れた実験室的な性能とは裏腹に、多様な臨床環境への応用には「ドメインシフト」という重大な課題が立ちはだかっています。

臨床試験では、心血管イベントの判定が専門家の大きな負担になっています。そこで今回、適応型AIアルゴリズム「ADAPT-CEC」という新しいアプローチが、人間並みの精度を保ちながら、AI と人間が手を組むことで試験全体を効率化できる道を開く可能性が報告されました。

生成AIと画像登録技術を組み合わせた新しいフレームワークが、完全に整列していない病理画像からでも、本物の化学染色と見分けがつかないほど高精度な仮想染色を実現しました。データ取得プロセスの大幅な簡素化により、臨床への道がぐんと近くなります。

深層学習を用いてX線胸部写真から推定した「放射線学的年齢」が、従来の臨床因子を大きく上回る死亡リスク予測能を持つことが大規模コホート研究で示されました。動的な老化速度の監視がより有用であることも明らかになっています。

呼気と唾液に含まれる生物学的マーカーをAIで分析することで、口腔扁平上皮癌を高精度に診断する新しい非侵襲的検査法が開発されました。外部検証コホートでROC-AUC 0.92を達成し、実用的なスクリーニングツールとしての可能性が示されています。

スウェーデンでのランダム化比較試験により、機械学習を活用した患者リスク評価ツールが、限られた救急車資源の中で高リスク患者の識別と優先順位付けを改善できることが示されました。

深層学習モデルを用いたAI支援による臓器危険領域の自動分割は、手動分割と比較して精度、効率、再現性の全ての面で優れており、胸部・乳がん放射線療法の標準化に貢献する可能性が示唆されました。