Digital Health & Informatics の焦点は、単体モデルの精度から、時空間情報の統合、現実に即したリスク推定、医師が適切に吟味できる説明と協働プロセスへ移りつつある。

Gastroenterology & Hepatologyの現在のカバレッジでは、AIは病変を見つける補助から、見逃しの救済、肝疾患の高リスク判断、そして疾患生物学を再構成する基盤へと役割を広げている。

網膜画像と臨床情報から遺伝性網膜疾患の遺伝子型カテゴリーを予測する「Retina4IRD」は、多施設ランダム化試験において、専門医による遺伝学的検査前の診断精度を有意に改善した。上位5候補の正解率は、専門医単独の67.3%に対し、AI支援下では88.5%だった。

Oncologyの現在のカバレッジでは、AIは画像上の検出精度を競う段階から、既存検査を起点にした早期発見、手術前後の意思決定、分子層別化、そして性能を信頼するための評価基盤へと役割を広げている。

Medicare Part Dで却下された抗がん薬請求の第2段階不服申立て4952件を調べたところ、認容されたのは19.5％でした。一方、不利な判断の半数以上は事務的問題によるもので、必要な治療への到達を妨げうる複雑な手続きの実態が示されました。

15世紀後半のオスマン統治下ギリシャでは、村落のブドウ栽培を最も強く予測したのはギリシャ系かアルバニア系かという民族性だった。しかし、その差は約120年間で大きく縮小し、土地利用を規定する中心的な要因は経済力、市場へのアクセス、人口、標高などへ移っていった。

オープンウェイト大規模言語モデル（LLM）は、心理測定面接の記録から精神病の臨床的ハイリスク（CHR-P）を高い感度で検出し、症状スコアと臨床要約も生成できた。一方、特異度の低さや正常・文化的体験の過度な病理化がみられ、自律的な診断ではなく専門家が監督する段階的な運用が必要である。

Surgeryの現在のカバレッジでは、AIの価値は予測能そのものではなく、術式選択、臓器温存、周術期支援、教育・品質管理をどこまで安全に変えられるかへ移っている。

CLEARは、胸部X線AIの予測を「どの放射線学的所見が、どの程度寄与したか」という臨床概念の単位で分解できる基盤モデルである。外部データで既存モデルを上回るゼロショット性能を示すと同時に、診断を誤らせる交絡やショートカットを可視化し、選択的に低減できることが示された。

一般目的の大規模言語モデル（LLM）に健診結果を分類させたところ、プロンプト設計の改善に伴い、平均精度は0.69から0.95まで上昇した。最良条件では主要モデルが0.98〜0.99の精度を示した一方、血圧分類や性・年齢別の性能差という課題も明らかになった。