AI Research Digest (JA)

膝関節の3次元的な骨形態は、前十字靱帯（ACL）損傷の有無と強く関連していました。深層学習で算出されたACL-Pスコアは、骨形状のみからACL損傷を高い精度で識別しました。

胸部腫瘍画像の読影では、過去の治療歴、病期、病理、遺伝子変異、直近の臨床経過などを短時間で把握する必要があります。本研究は、検索拡張生成（RAG）を組み込んだゼロショットLLMパイプラインが、放射線科医向けの構造化された腫瘍病歴をどの程度正確かつ効率的に作成できるかを検証したものです。

BMI 35以上で新たに肥満と診断された米国成人において、診断後12か月以内に代謝・肥満外科手術を受けた割合は3.0％でした。手術実施と最も強く関連したのは、肥満診断時の医療提供者が外科医であったことでした。

Radiologyに掲載された本研究は、造影CTと単純CTのそれぞれに対応した深層学習モデルを用い、膵がんに関連する直接所見と間接所見を検出した多施設後ろ向き研究です。特に20 mm以下の膵がんでは、AIモデルの感度が医師を大きく上回った点が注目されます。

非転移性腎細胞癌の術前情報だけを用いて、癌特異的死亡リスクを推定する機械学習モデルが開発・外部検証されました。腫瘍径やリンパ節病変、血液検査、全身状態など日常診療で得られる8項目に絞った点が特徴です。

AI & Computer Science の現在のカバレッジから見えるのは、AIが疾患検出器にとどまらず、老化・脳健康・治療応答・ワークフローをまたぐ臨床判断の基盤へ移りつつあるという流れです。

日常のプライマリケア診療で録音された患者・医療者の会話から、未診断の認知機能低下を機械学習でスクリーニングできるかを検証した研究です。Whisper由来の音響特徴量を用いたモデルが最も良好で、外部検証でもAUROC 0.727を示しました。

非小細胞肺がん（NSCLC）に対し、治療前PET/CT画像と臨床情報を統合して、組織型、TNM病期、生存リスクを同時に推定する深層学習システムが報告されました。

音声録音を大うつ病性障害の客観的バイオマーカーとして使えるかを、多施設コホートで検証した研究です。Whisper由来の自己教師あり表現は、従来の音響特徴量モデルを上回る識別性能を示しました。

血液中のタンパク質情報から、全身を一枚岩としてではなく、細胞タイプごとに老化の偏りを捉えようとした大規模コホート研究です。Ding、Bot、Chenらは、血漿プロテオームに基づく細胞特異的な老化シグネチャーが、疾患発症、死亡、レジリエンスと関連することを示しました。

Digital Health & Informatics の焦点は、モデル性能そのものから、低侵襲なデータ取得、現場での時間短縮、短期意思決定、再利用可能な画像基盤へと移っている。

今週の医療AIは、ICUの治療連鎖、病理基盤モデルの施設差、IBDの多層アトラス、眼科超音波、腎腫瘤CTまで、単発の分類器から「臨床を読む表現」へ重心が移った一週間でした。

FairGenは、人口統計学的サブグループ間でより均衡した医用画像を生成することを目的に設計された拡散モデルフレームワークである。本研究では、画像の忠実度を保ちながら、下流の診断AIにおける公平性指標を改善できるかが検証された。

Emergency Medicine のAIは、診断精度競争だけでなく、搬送前トリアージ、ED滞在時間、蘇生指示、再来リスクまで、救急医療の時間軸そのものを再設計し始めている。

本研究は、イオン化する低分子薬そのものをsiRNA複合化の担い手として利用し、薬物とsiRNAを同じナノ粒子で共送達するための予測手法を示したものです。

放射線療法から肺がん手術まで、Oncology 領域で基盤モデルと自動化が診断と治療計画を根本から変えつつある。組織評価の自動化、拡張する診断モダリティ、そして汎用モデルの臨床応用が同時進行している。

医療向けに設計されたAIツールが、必ずしも最先端の汎用LLMを上回るわけではない。本研究は、医学知識、臨床家に沿った推論、実際の医師質問という3つの評価で、汎用LLMが医療特化AIを一貫して上回ったことを示した。

ActiTectは、腕装着型アクチグラフィからREM睡眠行動障害（RBD）をスクリーニングするためのオープンソース機械学習パイプラインである。本研究では、単施設内で高い識別性能を示すだけでなく、独立した外部コホートにも一定の汎化性を示した。

本研究は、GPT-4を用いたAI支援ワークフローにより、生物医学研究データのCommon Data Elements（CDE）生成と標準化を効率化できるかを検証した計算研究です。

救急外来の意思決定支援では、診療ガイドラインのような安定した医学知識と、日々変化する臨床データの両方を扱う必要があります。本研究は、両者をグラフとして統合する自律型AIエージェント「KnDAgent」を開発し、救急トリアージ、薬物相互作用検出、再入院予測、薬剤推奨で評価しました。

感染症対策が大きく変わろうとしている。分子基盤の発見、診断技術の革新、臨床リスク予測—いま領域全体が、事後対応から事前把握へ軸足を移し始めている。

FIRST-ICUは、ICUで必要となる複数の介入を個別ではなく相互に関連する軌跡として予測する深層学習モデルです。MIMIC-IVで開発され、AmsterdamUMCdbで外部検証され、介入予測とリスク層別化の両面で高い性能を示しました。

臨床試験のインフォームド・コンセントに関する質問に、試験文書に制約したGPT-4oベースのLLMがどこまで正確に答えられるかを検証した概念実証研究です。回答は高い正確性と再現性を示しましたが、実参加者を対象とした評価はまだ行われていません。

創傷部のドレッシング交換を題材に、臨床手技を動画から自動評価するAIシステムを開発・検証した研究です。対照学習と専門家採点済み動画の検索を組み合わせることで、客観的で標準化された手技評価に近づける可能性が示されました。

MALDI-TOF質量分析データに対する深層学習モデルを横断的に比較し、感染症診断と媒介蚊サーベイランスの複数課題で有望な性能を示した研究です。

ケニアの一次医療クリニックで電子カルテに組み込まれたLLM診療支援システムは、利用頻度が高く、出力の多くは地域ガイドラインと整合していました。一方で、潜在的に有害な推奨も一定数みられ、その一部は最終診療記録に反映されていました。

入院中の低血糖を、日常診療で蓄積される電子カルテデータから24時間以内に予測する深層学習モデルの開発・前向き評価が報告された。モデルは実運用に近い日次検証でも安定した性能を示し、低血糖リスク患者の事前抽出に向けた可能性を示した。

大規模言語モデル（LLM）を、人間の精神病理に関連する感情過程を調べる実験系として扱えるかを検証したモデリング研究です。GPT-4oでは感情誘導後の自己評価が大きく上昇し、調整プロンプトで低下し、悲しみ誘導後には否定的な認知バイアスも観察されました。

眼科超音波画像とレポートを大規模に学習した基盤モデル「SonoEye」は、異常スクリーニング、19カテゴリーの鑑別診断、視機能障害・眼腫瘍リスク層別化で高い性能を示しました。

頭頸部がんの多職種腫瘍ボード記録において、プロンプトで出力を方向づけた環境AIは、指示なしのAI記録や研修医による手入力記録より高い記録品質を示しました。

PathTIGRは、がんゲノム異常をKEGG経路トポロジーに重ねることで、免疫チェックポイント阻害薬への応答を予測する解釈可能なグラフ学習フレームワークである。本研究では、 melanomaを中心とする複数コホートで高い予測性能と生物学的に妥当な経路・遺伝子の同定が示された。

IBDomeは、炎症性腸疾患（IBD）の臨床像、内視鏡、病理、ゲノム、トランスクリプトーム、血清プロテオーム、病理画像を統合した公開アトラスです。

血漿cell-free RNA（cfRNA）を用いた診断バイオマーカー探索に、大規模言語モデル（LLM）がどこまで貢献できるのかを検証したベンチマーク研究です。LLMは疾患関連遺伝子パネルの候補選定で一定の有用性を示しましたが、従来の差次的発現解析や標準的な機械学習パイプラインを置き換える段階にはありませんでした。

デジタル病理の基盤モデルは、生物学的特徴だけでなく、施設や染色、スキャナなどの技術的差異も学習している可能性がある。本研究は、その頑健性不足を定量化し、下流タスクへの影響を示した重要な検証である。

左室肥大を示す患者の中から心アミロイドーシスを見分けることは、日常診療でしばしば難しい課題です。本研究は、通常の心電図と心エコー検査で得られる情報を用い、心アミロイドーシスを肥大型心筋症や高血圧性心疾患から識別するAI支援モデルを開発・外部検証した中国の多施設後ろ向き研究です。

標準化された臨床コードを知識グラフから学習した埋め込みとして共有可能にすることで、医療AIを構造化医学知識に接続できることを示した研究です。ClinVecは意味的類似性、医療質問応答、疾患リスク層別化で有用性を示しました。

高齢者の身体的フレイルと転倒への懸念は、問診票だけでなく、日常生活中の活動パターンからも捉えられる可能性があります。

環境曝露の分子機構から個別リスク層別化、限定的リソースの配分まで—Public Health & Epidemiology は今、精密さと現実性の両立、投資の地域格差、設計選択の想定外影響という三つの緊張に直面している。

マラウイの一次医療施設を受診した2〜59か月の肺炎児を対象に、7日以内の入院または死亡を予測する機械学習モデルが開発・外部検証されました。選択されたランダムフォレストモデルは、WHO重症度基準や既存リスクスコアを上回る予測性能を示しました。

Fed-GPLは、ViTやSAMなどの視覚基盤モデルを凍結したまま、施設横断で軽量なプロンプト生成器を学習する連合学習フレームワークである。多施設の医用画像分類・セグメンテーションにおいて、性能、通信効率、低リソース性、プライバシー面のバランスを改善した点が本研究の中心である。

縦断MRIからアルツハイマー病の進行を予測するには、「疾患らしい変化」と「その人らしい解剖学的特徴」の両立が課題です。本研究は、個人同一性を保持する生成モデルIP-DDGANにより、被験者ごとの将来脳MRIを合成できるかを検証しました。

AI支援下で初心者が取得したfocused cardiac ultrasound（FoCUS）は、選択された構造的心疾患のスクリーニングにおいて高い実施可能性と診断性能を示した。一方、AI心電図で対象を絞ってからFoCUSを行う二段階戦略は超音波使用を減らすものの、検出感度の低下を伴った。

本研究は、複数の生物医学CLIPモデルから知識を統合した汎用型vision-languageモデル「MMKD-CLIP」を開発し、多様な医用画像モダリティとタスクで評価した計算研究です。ゼロショット分類を中心に、既存の専門型・汎用型モデルと同等以上の性能が示されました。

脊椎内視鏡手術中の限られた視野で、神経、骨、黄色靱帯、脂肪組織をリアルタイムに見分けることを目指した軽量インスタンスセグメンテーションモデルの研究です。EndoSeg-RTは、精度、速度、計算効率のバランスを重視して設計され、リソース制約のある環境での実装可能性を検証しています。

妊娠後期の前期破水、特にpreterm prelabor rupture of membranes（PPROM）のリスク層別化に、日常診療で測定されるCRPやアルブミンを用いた説明可能AIが有用である可能性が示されました。

十二指腸乳頭部病変の内視鏡診断において、AI支援が診断精度を改善するかを検証した後ろ向き単施設研究です。特に内視鏡フェローと一般消化器内視鏡医で、AI提示により正診率が有意に向上しました。

Cardiology の最新動向は、心臓専門検査ではなく、日常診療で既に得られている胸部 X 線、頭部 CT、心臓 CT、心電図といったありふれたデータから AI が心血管リスクを機会的に拾い上げる枠組みへシフトしている。同時に、臨床試験や EHR での標準化と、ウェアラブルによる個別化・連続監視が進行中だ。

多相造影CTの相が欠損・低品質な施設を含めても、患者データを共有せずに肝病変セグメンテーションモデルを共同学習できるか。Wu、Lin、Huらは、連合学習フレームワークFedOGでこの課題に取り組みました。

腰部脊柱管狭窄症の待機手術後、12カ月時点の機能障害や疼痛を術前情報から予測するモデルを開発・外部検証した研究です。特にOswestry Disability Index（ODI）の予測モデルは、北欧の複数レジストリ集団で比較的一貫した性能を示しました。

腰椎MRIから「腰椎の画像上の年齢」を推定し、実年齢や安定領域との差分として椎間板変性リスクを捉える研究です。1797例の多施設データを用い、腰椎加齢が線形ではなく、性別・年齢段階ごとに異なる変化を示すことが報告されました。