Medical AI Digest (JA)

Neurology & Neuroscienceの現在地は、診断精度の競争だけではない。日常の声や動き、生体情報から介入可能な時点を探り、疾患の未来像とエビデンスを生む仕組みまで問い直す方向へ進んでいる。

大腸内視鏡の手技をコンピューターで評価し、検査直後および累積的にフィードバックすることで、腺腫検出率は43.4％から48.6％へ有意に上昇した。デンマークの3大学病院で行われたクラスター無作為化比較試験は、病変を自動診断するのではなく、内視鏡医の検査技術を継続的に改善する仕組みの可能性を示した。

500項目を超える個人情報を与えて作成したLLMデジタルツインでも、本人との相関は平均0.197にとどまり、回答のばらつきも実際の人間より小さかった。見かけ上の高い正答率だけでは、特定の個人を忠実に再現できているとは判断できない。

腹腔鏡下胆嚢摘出術の術野画像に、安全な切開領域と推奨される剥離面を重ねて表示するAIナビゲーションシステムが開発された。AI支援により、卒後5～6年目の外科医が安全な初回切開点を正しく選べた割合は58％から90％へ、胆嚢表面の輪郭を正しく認識できた割合は70％から92％へ向上した。

早期浸潤性肺腺癌の術式選択に関わる病理学的高リスク因子を、術前CTから深層学習モデルで予測した研究である。前向き検証では、KB-GCNは術中迅速凍結切片より感度が高く、見逃しを減らす補完的手段となる可能性を示した。

大腸内視鏡検査にGI Genius™を常用する経路は、従来検査よりポリープ切除率が高く、モデル上の大腸がん関連費用が低かった。もっとも、これは単施設データと文献値を組み合わせた推計であり、実臨床で費用削減を直接確認した研究ではない。

8歳未満の小児股関節X線写真から大腿骨頸部骨折を検出・局在化するYOLOv11ベースのモデルが、独立施設でAUROC 0.873を示した。AI支援は、とくに若手医師の診断性能、確信度、読影者間一致度を改善した。

ロボット手術の基本課題を撮影した動画全体から、術者の技能を初級・中級・熟練に分類する解釈可能な深層学習モデルが開発された。既知の条件に近い評価では96〜100％の高精度を示した一方、未知の術者を対象にすると精度は大幅に低下し、臨床導入以前に解決すべき汎化性能の問題が明確になった。

膵腺癌の遺伝子発現データから代謝経路の活性を定量化したところ、予後や腫瘍免疫、ゲノム不安定性が異なる3つの亜型が同定された。さらに機械学習で構築したリスクスコアは患者を予後別に層別化し、複数の分子標的薬に対する予測感受性とも関連していた。

病理組織画像、臨床変数、トランスクリプトームを統合するSurvGRNは、ステージII～IVの膀胱がん患者を対象とした検証で、比較対象となった既存モデルより高い生存予測性能を示した。ただし、テスト時のC-indexは0.614にとどまり、臨床導入には外部・前向き検証が必要である。