Medical AI Digest (JA)

大規模言語モデル（LLM）からの説明方法によって、放射線科医の診断精度が大きく変わることが明らかになりました。特に段階的な推論プロセス（チェーン・オブ・ソート）を提示する形式が、診断精度を最大12%向上させ、医師のAI活用の質を大きく改善する可能性を示唆しています。

Nature Biomedical Engineeringに報告された新しい3D基盤モデル「FM-HCT」は、自己教教師あり学習により、複数の神経疾患の検出精度を大幅に向上させ、わずかなサンプル数での学習すら可能にしました。この成果は、医療資源が限定的な地域での早期診断に革新をもたらす可能性があります。

筋萎縮性側索硬化症（ALS）の進行段階を、多変数超音波測定と機械学習モデルを組み合わせて客観的に判定する手法が開発されました。横隔膜の動きが最も重要な予測因子であり、臨床現場での病期判定とリスク層別化を支援する可能性があります。

中国での大規模コホート研究で、11個の簡単な検査項目から骨粗鬆症リスクを予測する機械学習モデル「OsteoSC-M3」が開発されました。骨密度検査(DXA)診断の約29ヶ月前に高リスク者を特定でき、臨床診断前の早期介入が可能になります。

ライ症候群という稀な遺伝性ミトコンドリア疾患に対し、深層学習と患者由来の脳オルガノイドモデルを組み合わせたスクリーニングにより、アゾール化合物（特にタラロゾール）が有望な治療候補として特定されました。

脳神経救急患者の診断において、専門特化型の大規模言語モデル『Xuanwu-NeuroAid』は医師単独より高い診断精度を達成し、医師と協働することで診断精度をさらに改善することが実証されました。

米国と中国の研究チームが、遺伝子発現データをもとに甲状腺乳頭癌（PTC）の発症とリンパ節転移を予測するAIモデルを開発しました。転移予測モデルは98.7%の精度を達成し、診断支援ツールとしての臨床応用が期待されています。

深層学習モデルを用いた二段階の画像解析により、妊娠初期喪失の組織診の精度が大幅に向上し、病理医の診断支援ツールとして有望であることが示されました。

口腔マイクロバイオームの構成から生物学的年齢を定量化する「OMAA Score」が開発され、全死因死亡率や虚弱性、さらには癌や心臓病のリスク予測において、従来の年齢関連指標を超える予測能を示しました。

香港の20年間の医療データを用いた大規模研究により、通常の血液検査の値を機械学習で分析する「RBT-GC」が、慢性消化不良患者の胃がんスクリーニングに有効であることが示されました。従来の腫瘍マーカーを大幅に上回る検出率で、特に低中所得国での胃がん早期発見を支援するツールとして期待されています。