lab_admin

Ethical Attitudes Toward Artificial Intelligence in Healthcare Among Medical Students at All Saints University School of Medicine: A Cross-Sectional Study ｜ S Kotbagi et al., International Journal of Medical and Pharmaceutical Research, 2026. ｜ オールセインツ大学医学部の医学生を対象に、ヘルスケアにおける人工知能（AI）に対する倫理的態度を評価するための横断研究。 学生の85%がAIの診断・治療における潜在的利益に肯定的な態度を示す一方、データプライバシー（78%）、アルゴリズムの偏り（65%）、職務の置き換え（55%）に関して有意な懸念を表明。

Artificial Intelligence vs. Clinical Interpretation in the Detection of Hip Fractures: A Comparative Audit ｜ K Kim, British Journal of Surgery, 2026. ｜ 股関節骨折、特に潜在性大腿骨頚部骨折（NOF骨折）の検出において、専門医療AIシステム と汎用大規模マルチモーダルモデル の診断精度を、標準的な臨床医の解釈と比較する。 は よりも潜在性骨折に対して高い感度を示し、両AIシステムは若手臨床医よりも優れたパフォーマンスを示したが、熟練放射線科医を顕著に上回ることはなかった。

Fundamentals of Artificial Intelligence in Drug Discovery and Healthcare ｜ N Fakhoury, Fundamentals of Artificial Intelligence, Big Data and Data Science for Next-Generation Healthcare Systems and Cybersecurity, 2023. ｜ 人工知能（AI）が医薬品開発とヘルスケア分野をどのように変革しているかの基礎的な概念を提示。 治療薬設計の分子レベルから臨床応用、そして創薬パイプラインへの統合まで、広範な範囲をカバーする。

A Systematic Review of Deep Learning and Machine Learning Applications in Longitudinal Multimodal Clinical Data ｜ J Pan et al., Journal of Healthcare Engineering, 2026. ｜ 縦断的マルチモーダル臨床データを活用することで、診断や治療を支援するためにAIがヘルスケアで活用されている状況をレビュー。 2010年から2025年にかけて発表された120の関連研究を特定し、深層学習（DL）と機械学習（ML）の予測モデリング、患者リスク層別化、個別化医療への応用トレンドを明らかにする。

Global Research Trends in Artificial Intelligence for Healthcare and Education: A Bibliometric Analysis (2000-2025). ｜ AA Alhur et al., Journal of Pioneering Medical Sciences, 2026. ｜ 2000年から2025年までのヘルスケアと教育における人工知能（AI）のグローバルな研究動向に関する包括的な計量書誌学分析を提示。 OpenAlexから取得した3,101件の査読済み論文を分析し、研究の進化と主要なテーマを特定する。

Security Applications of Artificial Intelligence in Healthcare Environments ｜ K Shaalan, Global Risk Management and Governance in AI in Healthcare and Education, 2027. ｜ 機密性の高い臨床データ、接続されたデバイス、および重要なサービスを保護する必要があるヘルスケア環境における人工知能 (AI) セキュリティの適用に焦点を当てる。 AIを使用してデータの異常を検出し、潜在的な脅威を予測し、医療現場全体のサイバーセキュリティ体制を強化する方法について議論する。

Relational Deep Learning for Clinical Outcomes ｜ N Naseva et al., 2026 49th MIPRO ICT and Electronics Conference, 2026. ｜ 従来の機械学習モデルが臨床データをフラットなテーブルや時系列データとして扱い、その豊かなリレーショナル構造を無視している課題に取り組む。 リレーショナル深層学習 (RDL) を臨床アウトカムに適用し、医療データ内の複雑な関係性を捉える有効性を実証。