Medical AI Digest (JA)

低電圧で動作する有機電気化学トランジスタ（OECT）向けポリマー開発に、物理知識に基づいた転移学習（PKU-TL）を適用することで、高精度（R² > 0.95）な材料予測が実現しました。この研究は、データ不足という新規材料研究の大きな課題を機械学習で克服し、ウェアラブルやバイオエレクトロニクスデバイスへの応用を加速させる可能性を示しています。

放射線科医が書いた報告書と同等の品質を実現するには、汎用的なAIモデルではなく、医療分野に特化した微調整モデルが必須です。2026年の新研究が、AIツール導入の現実的な道筋を示しています。

アルツハイマー病のPET画像診断において、機械学習によって病的異常を生理的信号から分離し、認知機能低下とより強く関連するAIバイオマーカーを開発した研究です。この手法は従来の定量指標よりも臨床的価値が高い可能性があります。

乳腺超音波画像分析の基盤となる生成モデル「BUSGen」が開発され、9人の放射線科医を上回る診断精度を実現しました。この技術は早期乳がん診断の精度向上とプライバシー保護型の合成データ生成を同時に実現するものとして注目されています。

胸部X線写真と臨床情報を組み合わせた深層学習モデルにより、DXA検査と同等の精度で小児患者の骨密度評価が可能であることが示されました。このアプローチは、DXA施設へのアクセスが限定される地域でのスクリーニングツールとして活用できる可能性があります。

新しい研究は、機械学習を用いた脳卒中リスク予測モデルが、従来のCHA₂DS₂-VASc スコアより大幅に高い精度を実現することを実証しました。この成果は、新診断心房細動患者の個別化医療と抗凝固薬の投与判断に新たな道を開きます。

視覚言語モデルを用いた新しいAIシステムが、脳腫瘍の一種であるグリオーマにおいて、遺伝子型の予測と診断報告書の自動生成を高精度で実現しました。複数の医療機関での検証を通じ、臨床応用への可能性が示されています。

唾液中の代謝物の特徴パターンを軽量ニューラルネットワークで解析することで、2型糖尿病患者における高リスク歯周病を迅速かつ非侵襲的に検出する方法が報告されました。

ルテチウム-177を標識したPSMA標的化療法（177Lu-PSMA-I&T）と定位放射線治療（SBRT）の併用は、低容量寡転移性ホルモン感受性前立腺癌患者において臓器への安全な線量範囲を維持しながら、進行無増悪生存期間を大幅に延長できることが、LUNAR試験の二次線量計測解析により明らかになりました。

スマートフォンで撮影した手術標本の画像をAIが解析することで、術中30分以上の待機時間なく、肺腺がんの病理学的浸潤性を高精度で診断できることが示されました。凍結切片検査を大きく上回る成績です。