lab_admin Bridging Machine Learning and Clinical Endpoints: A METABRIC-Informed Simulation Study of Missing Data Imputation for RECIST-Based Best Overall Response ｜ F Tan et al., unknown, 2026. ｜ 機械学習ベースの補完アプローチは、臨床的に現実的な進行駆動型条件下で、縦方向の腫瘍軌跡、カテゴリ別奏効結果、グループレベルの治療効果を回復することで、臨床エンドポイントとのギャップを埋めることができる。 RECISTベースの最良総合奏効に関する欠損データ補完のMETABRICに基づいたシミュレーション研究が行われた。
Evidence of a cognitive bias in the quantification of COVID-19 with CT: an artificial intelligence randomised clinical trial ｜ F Birsasteanu et al., Scientific Reports, 2023. ｜ CTによるCOVID-19の定量化において、人工知能（AI）を用いた無作為化臨床試験により認知バイアスの証拠が示された。 十分なサービスが提供されていない患者の胸部X線写真に適用されるAIアルゴリズムにおける過小診断バイアス、およびAIベースの頭蓋内出血検出における放射線検査報告時間測定に関する臨床試験が関連する議論として言及されている。
Artificial Intelligence in Medical Software ｜ A Pandey et al., unknown, 2026. ｜ 医療機器ソフトウェア開発における人工知能（AI）と機械学習（ML）の包括的な概要を提供する。 膨大な量のデータから新たな知見を引き出すことで、ヘルスケアを変革する医療機器ソフトウェアの可能性を強調している。
The Influencing Factors of Medical Postgraduates' Usage Intention Toward Artificial Intelligence–Generated Content Tools in Academic Research: Qualitative Analysis ｜ C Wang et al., Journal of Medical Internet Research, 2026. ｜ 医療分野におけるAI生成コンテンツツールの利用意図に影響を与える要因を解明するための概念モデルが構築された。 本研究の知見から、人工知能リテラシーの育成が提言されている。
DeepMedSeg-Deep Learning for Medical Image Segmentation ｜ AJ Girón et al., unknown, 2026. ｜ 医用画像セグメンテーション（デジタル画像を明確な解剖学的または病理学的領域に分割するプロセス）は、臨床ワークフローにおいて重要なステップである。 本プロジェクトは、MRI、CT、および超音波などの大量の医用画像データに対応する深層学習ベースのセグメンテーションツールを開発および評価することを目的としている。
Ethical Use of Artificial Intelligence for Clinical Vignettes ｜ H Iqbal et al., HCA Healthcare Journal of Medicine, 2026. ｜ 実世界の医療実践を模倣したシナリオ（臨床ビネッテ）を作成するための人工知能（AI）の倫理的利用について検討。 様々なレベルのトレーニングと臨床的専門知識を持つ実務家をサポートするため、臨床ビネッテの提出と精選されたリストに関する簡潔な体系的フレームワークが作成された。
Bridging the Gap Between Artificial Intelligence and Clinical Readiness in Endometriosis Diagnosis: A Systematic Review. ｜ MM Haber et al., Journal of Minimally Invasive Gynecology, 2026. ｜ 子宮内膜症の診断経路に人工知能（AI）を効果的に統合することで、臨床的および方法論的な問題や技術的な複雑さを軽減できる可能性がある。 AIと子宮内膜症診断における臨床準備態勢の間のギャップを埋めるための体系的なレビューが行われた。
The Cost Reduction of Artificial Intelligence-Based Healthcare for Clinical Drug Use: A Literature Review ｜ E wahyu Vitasari et al., JURNAL FARMASIMED (JFM), 2026. ｜ 人工知能（AI）は臨床アウトカムの改善に大きく貢献しているが、価格設定に大きな影響を与えるため、臨床実践におけるコスト削減が重要である。 医療画像診断に利用される深層学習アルゴリズムは、高い診断精度を示している。
Knowledge, attitude, and practice on the use of artificial intelligence in medical diagnosis and treatment planning among healthcare professionals in a tertiary hospital in Tanzania: A cross-sectional study ｜ JH Mhyellah et al., BMC Artificial Intelligence, 2026. ｜ タンザニアにおける医療従事者の人工知能（AI）導入への準備状況（知識、態度、実践）に関するエビデンスは限定的である。 本研究は、医療診断と治療計画におけるAI利用に対する医療従事者の知識、態度、実践を理解することを目的としている。
Deep Learning for Survival Prediction in Glioblastoma: Time-dependent Model Interpretability Using MRI, Clinical, and Molecular Data ｜ J Lee et al., Artificial Intelligence, 2026. ｜ 膠芽腫の生存予測のため、深層学習を用いてMRI、臨床変数（年齢、性別、Karnofsky performance status [KPS]など）、および分子データを統合する。 DPI（Deep learning-based Prognostic Index）と臨床・分子変数の関連性を評価し、時間依存モデルの解釈可能性に焦点を当てる。