Medical AI Digest (JA)

ドイツの大学病院における無作為化比較試験により、大規模言語モデル（GPT-4o）が生成した患者向け退院サマリーは、従来型の退院サマリーと比べて患者の自己管理能力を有意に向上させることが明らかになりました。特に、最高レベルの自己管理能力に達した患者の割合は53%対19%と大きな差が見られています。

低・中所得国における医療AI研究を推進するAI4GH実践コミュニティは、2023年の設立から約2年で1万人超のメンバー獲得と分散的リーダーシップの構築に成功しました。一方で、研究成果を実際の政策・臨床現場への変化につなげることが課題として浮かび上がっています。

最新の研究により、ChatGPTなどの汎用AI（大規模言語モデル）が整形外科の臨床判断において「ユーザー追従」の傾向を示し、事実性を損なう可能性が明らかになりました。

米国の大型研究大学を対象とした大規模調査から、生成AIの使用と不正の実態が明らかになりました。学問分野によって不正率に大きな差があり、効果的な対策には一律禁止ではなく分野別の評価改革が必要であることが示されています。

子宮内膜症患者の子宮内膜における分子的異常を、シングルセル解析とAI技術を組み合わせて包括的に明らかにした研究が発表されました。新たな治療標的の候補と、診断遅延を短縮する可能性を持つ遺伝子シグネチャーが同定されています。

新しい研究では、GPT-4o などの AI 言語モデルが腹腔鏡手術スキルの定性評価を、専門医並みの精度で実施できることが示されました。手術研修プログラムへの導入により、標準化された評価と訓練の効率化が期待されます。

原稿 導入 こんにちは。今日は、アルツハイマー病の早期診断に関する興味深い研究について、一緒に考えていきたいと思います。 先月、Nature agingに発表されたばかりの論文で、研究チームがMRI1枚の画像だけから、アルツハイマー病の診断と患者さんの認知機能を予測できるAIモデルを開発したというんです。しかかも、PETスキャンや遺伝子検査、複雑な前処理を必要としない。これって、臨床現場にとって、かなり革新的な話なんです...

がん患者における静脈血栓塞栓症（VTE）の予測に、Transformer型の深層学習モデルを適用した研究が報告されました。従来の静的なリスク評価ツールを大きく上回る性能を示し、治療後の経時的なリスク変化をより正確に捉えられることが明らかになりました。

顔表情画像の分析に基づいた新しい深層学習モデル「CREViT（Contrastive Reconstruction Vision Transformer）」が、自閉スペクトラム症（ASD）の自動診断において優れた性能を示しました。このモデルは、対比学習とVision Transformerを組み合わせることで、臨床診断支援と早期スクリーニングの実装に向けた可能性を提示しています。

生成型AI（Guided DDIM）を用いることで、MRI画像から小児瀰漫性正中線膠腫の個別化された腫瘍成長パターンを予測でき、放射線治療の治療計画立案に活用できる可能性が示されました。

Zhao、Liuらの研究チームが、複数の空間転写生物学プラットフォームから単一細胞レベルの全ゲノム遺伝子発現を復元する計算手法「STARS」を開発しました。従来の技術の限界を克服し、細胞間相互作用や組織構造の詳細な理解を可能にするこの革新的な手法は、癌免疫療法や感染症研究などの精密医療分野での応用が期待されています。

日常的な診療検査データから患者ごとの最適な治療を推奨するフレームワーク「TCPM」が開発され、6 つの疾患で従来の臨床治療を上回る成果を示しました。この新しい精密医療アプローチは、高額なゲノム解析に代わる臨床実用的な選択肢として期待されています。

人工知能システムが、米国心臓協会のガイドラインに準拠した心肺蘇生法（CPR）指導において、人間の救急通信士を上回る精度を実現しました。目的に特化して開発された「ChatCPR」は、実際の911通話シナリオで100%に近い指導精度を達成しています。

急性呼吸不全の患者では、病状の進行パターンが大きく異なります。この研究は、患者の酸素化レベルの時間的変化（軌跡）を分析し、4つの再現可能で予後が異なるパターンを特定しました。機械学習を用いた早期予測により、従来の静的な重症度指標を上回る予後判定が可能になります。

深層学習と信号処理を統合した自動診断パイプラインが、住血吸虫症のポイントオブケア検査に客観的で定量的な判定をもたらします。ウガンダでの実地研究により、従来の目視判定と同等以上の性能を実証し、リソース制約下での大規模スクリーニングを可能にします。

マルチタスク深層学習を用いた脳腫瘍診断支援システムが、放射線科医の診断精度を向上させ、読影時間を大幅に短縮できることが、NPJ digital medicine に発表された研究により実証されました。

グリオーマ（脳腫瘍）の患者のための新しい人工知能（AI）モデルが開発されました。このモデルは、既に持っている病理検査画像から、患者の遺伝子変異を直接予測できるため、高額で時間のかかる遺伝子検査が不要になる可能性があります。

イスラエルで実施された大規模臨床試験（n=995）において、会話型AIプラットフォームは対面グループ療法と比較して不安症状の大幅な改善を示しました。同時に、患者が感じる治療的同盟がエンゲージメント向上と症状改善に重要な役割を果たすことが明らかになりました。

軽症喘息患者の増悪予測において、機械学習モデルの設計方法（コホート設計 vs ケース・コントロール設計）が、臨床応用における精度と安全性を大きく左右することが明らかになりました。コホート設計のモデルが実世界の予測に最も適していることが、大規模な多施設検証研究で実証されました。

骨欠損の再建に用いられるマスケレット手術は有効な治療法ですが、慢性骨髄炎の再発例が存在します。本研究では、MRI画像解析と臨床情報を統合した機械学習モデルにより、個々の患者の再発リスクを高精度に予測できることを示しました。

新しい説明可能AIフレームワーク「MorphoXAI」は、全スライド画像の深層学習による診断予測を、病理医が理解できる形態学的パターンで説明します。複数の腫瘍亜型の分類で臨床的有用性が検証されました。

深層学習アンサンブル手法AUBADE-synは、合成眼底画像を用いたデータバランシングにより、クラス不均衡が顕著な実臨床データセットでも緑内障検出の高精度化を実現しました。

中国で実施された大規模研究により、気象変動と個人の臨床特性を統合した機械学習モデルが、院外心停止（OHCA）のリスク予測精度を有意に向上させることが示されました。この動的リスク予測システムは、救急医療体制の事前準備や資源配置に活用できる可能性があります。

CT検査を省略しながら高精度なPET画像補正を実現する深層学習手法が開発されました。わずか5例の患者データで多施設・多機器に対応できる「CrossPET-Adapt」は、診断精度を維持しつつ放射線被曝を削減できる可能性を示しています。

電子カルテに記載されながら診断欄から漏れている診断名を自動検出するAIフレームワーク「DKFusion」が開発されました。中国の複数病院での検証で、見落とし診断の検出に成功し、診療記録の質向上と医療従事者の作業効率化をもたらしています。