Ophthalmology AIは、単一疾患の画像分類を越え、造影動画の生成、病変の定量・経時評価、対話型支援、全身リスク推定、治療設計へと守備範囲を広げる一方、外部妥当性と生成物の来歴が次の焦点になっている。
日欧3991例のTAVI患者を対象とした多施設研究で、複数の臨床情報を統合する生存時間AIモデルは、全死亡と心血管死の長期予測において従来の外科リスクスコアを一貫して上回った。日本の1006例でも再調整なしに性能が維持され、異なる患者集団への適用可能性を示した点が注目される。
HealthFlowは、電子健康記録（EHR）解析の計画、コード実行、成果物の検証、失敗の修復までを複数のAIエージェントでつなぐ枠組みである。5つのベンチマークすべてで比較手法を上回り、もっともらしいが無効な解析を見抜いて修正できる可能性を示した。
網膜特化型基盤モデルRETFoundは、十分な教師データがある眼疾患検出では従来モデルを一貫して上回らなかった。一方、ラベルが限られた全身疾患予測では概して高い識別性能を示したが、その利点には大きなモデルサイズと計算負荷が伴った。
Radiology & Imaging の画像AIは、病変を分類する段階から、所見の局在化、将来リスクの予測、画像情報の生成、施設横断学習へ進みつつある。今回のカバレッジが映すのは、性能競争の先で臨床的な意味と運用可能性を問う専門領域の軌跡だ。
術後創写真から切開部手術部位感染（SSI）を示唆する所見を識別する深層学習モデルは、内部テストでAUC 0.91、外部検証でAUC 0.82を示した。一方、外部集団ではSSIリスクを系統的に過大評価しており、実装には施設や対象集団に応じた再較正が欠かせない。
安静時fMRIに対照グラフ学習を適用することで、アルツハイマー病におけるアミロイド陽性者特有の脳ネットワーク変化を、一般的な加齢や非アミロイド性の変動から分離できる可能性が示された。抽出された特徴は髄液中アミロイドβおよびリン酸化タウを予測し、シナプス機能、神経炎症、興奮性ニューロンやグリア細胞に関係する遺伝子発現とも対応していた。
日常的な心理社会的質問票に潜む「未回答」「不自然な回答パターン」「回答の不整合」をAIで解析することで、高齢者の認知機能低下リスクを追加負担なく絞り込める可能性が示された。5カ国のデータを共同学習したモデルは、国別に学習したモデルより高い外部一般化性能を示している。
スウェーデンの全国レジストリを用いた約354万人のコホート研究で、対面評価を必要とせず股関節骨折リスクを推定する「FRACTURE-ML」が開発された。35変数に絞ったモデルでも高い予測性能を維持し、初回骨折前の集団スクリーニングに活用できる可能性が示された。
Anesthesiology & Critical Care のAIは、単発のリスク推定から、変化する病態に応じた介入設計、予後判断、診療フローの再構成へ進みつつある。問われ始めたのは、精度そのものより、いつ、誰が、どう行動を変えるかだ。
Orthopedicsの現在のカバレッジから見えるのは、画像AIが診断精度の競争を越え、リスク層別化、撮像支援、手術計画、術中認識、非手術療法の評価へと診療経路全体に広がる軌跡だ。
早期HER2陽性乳癌の大規模ランダム化比較試験から得られた4262腫瘍検体を解析した結果、腫瘍免疫浸潤が多いほど浸潤性疾患の再発・死亡リスクは低かった。標準化した手動評価は高い再現性を示し、AIが捉えた免疫細胞の空間的集積は、リンパ球量だけでは得られない予後・治療効果情報をもたらした。
早期トリプルネガティブ乳癌では、再学習していない固定済みAIが算出した腫瘍浸潤リンパ球スコアも、病理医による評価と同様に良好な予後と関連した。一方、病理医のスコアが既に得られている場合、AIスコアを追加しても予後予測性能は有意に向上しなかった。
局所進行非小細胞肺がんに対する胸部放射線治療で、胸腺が受ける平均線量が高いほど、遠隔転移と死亡のリスクが高いことが、計1107例の多コホート解析で示された。胸腺機能が保たれている患者ほど関連が強く、治療計画上の新たな注目臓器となる可能性がある。
脳波基盤モデルMORGOTHは、発作や棘波などのイベント検出から記録全体の所見分類までを一つの枠組みで扱い、多施設の外部データでも専門家に匹敵する性能を示した。臨床導入には前向き試験と医師による監督が必要だが、脳波自動解釈の統合を大きく前進させる研究である。
Oncology AIの焦点は、病変を見つける精度競争から、治療反応の先読み、患者層別化、検査・紹介経路の再設計へ移りつつある。今回のカバレッジが示す、その進展と実装上の壁を読み解く。
7種類の歯科画像を横断的に扱う視覚言語モデル「DentVLM」は、36の二言語課題のうち34課題で最高性能を示した。後ろ向き読影研究では、歯科医師らの診断精度を高めるとともに、診断時間を15.0〜37.0％短縮している。
ノンレム睡眠中に現れる睡眠紡錘波は、社会的な相手についての記憶を固定するうえで重要であり、その生成回路の機能低下が自閉スペクトラム症（ASD）に伴う社会記憶障害と関連する可能性が示された。マウスで因果関係と視床回路を検証し、小児では紡錘波の特徴と顔記憶、ASD分類性能を調べた橋渡し研究である。
HisToSpatialCNVは、日常的なH&E染色病理画像から、欠失・中立・増幅というコピー数変化（CNV）の状態を空間的に予測する深層学習フレームワークである。HER2陽性乳癌では平均AUC 0.825を示し、腫瘍内不均一性やサブクローン、臨床的に異なる患者群の解析にもつながった。
医療AIの焦点は、最高精度の更新から、誰がどの条件で使えば信頼でき、既存データをどう安全な意思決定へ変えられるかという実装設計へ移っている。
多発性硬化症のMRIで認められる常磁性リム病変は、将来の障害蓄積、とりわけ再発とは独立した進行の予測因子となる可能性が示された。病変の有無だけでなく、その数が多いほどリスクが高まる点が重要である。
電子健康記録（EHR）に統合された大規模言語モデル（LLM）は、外科患者の周術期共同管理の候補を、医師判断に対して感度0.94で抽出した。一方、陽性的中率は0.58であり、本システムは自律的な振り分けではなく、医師が最終判断を担う高感度スクリーニングとして評価された。
Digital Health & Informaticsの専門領域の軌跡は、汎用モデルの性能競争から、専門診療に沿った出力設計と、データ準備から市販後まで続く信頼性管理へと移りつつある。
多相造影CTから肝病変を検出・分類するAI「LiON」は、大規模な後ろ向き検証と1万例超の前向き試験で高い診断性能を示した。放射線科医との協働により、見逃されていた病変の発見や読影時間の短縮にもつながった。
患者本人が意思決定できない状況を想定した研究で、事前に記録された価値観を与えた大規模言語モデル（LLM）は、本人の治療選択と約73％一致した。価値観を与えない場合の一致率は42.0〜45.2％に低下し、性能向上の鍵がモデルそのものではなく、入力された患者情報にあることが示された。
