lab_admin

Heart disease prediction using hybrid deep learning and medical imaging with wavelet-based feature extraction ｜ C Palanisamy et al., Int J Reconfigurable & Embedded …, 2026. ｜ 人工知能（AI）ベースの医療モダリティは、非侵襲的な医療処置の例である。 心臓病（Heart disease）予測のために、ハイブリッド深層学習（hybrid deep learning）とウェーブレットベース特徴抽出（wavelet-based feature extraction）を用いた医用画像診断（medical imaging）が適用される。

Framework for artificial intelligence implementation research in healthcare: synthesizing current evidence on barriers and facilitators ｜ M Powis et al., npj Digital Medicine, 2026. ｜ 人工知能（AI）モデルの数は増加しているが、日常の臨床診療（clinical practice）に導入されているものはまだ少ない。 医療現場でのAI実装における障壁（barriers）と促進要因（facilitators）に関する現在のエビデンスを統合した理論的フレームワークを提示する。

ARTIFICIAL INTELLIGENCE IN DRUG DISCOVERY ｜ AS Taware et al., unknown, unknown. ｜ 人工知能（AI）は、データ駆動型、効率的、予測的なアプローチを可能にすることで、創薬（drug discovery）および薬物開発（drug development）の状況を急速に変革した。 AIは、アルゴリズム、機械学習（machine learning）、深層学習（deep learning）技術を用いて大量のデータを分析できる。

A multicenter study of automatic segmentation-based multimodal fusion integrating radiomics, deep learning, and clinical parameters for prostate cancer detection ｜ N Ding et al., Abdominal Radiology, 2026. ｜ 前立腺がん（prostate cancer）検出のために、ラジオミクス（radiomics）、深層学習（deep learning）、臨床パラメーター（clinical parameters）を統合した解釈可能な機械学習モデルが開発された。 臨床、ラジオミクス、深層学習、およびそれらを組み合わせた階層的予測モデルが構築されている。

Bridging visual saliency and large language models for explainable deep learning in medical imaging ｜ PV Nguezet et al., arXiv preprint arXiv …, 2026. ｜ 深層学習モデル（deep learning models）の不透明性（opaque nature）は、医療画像診断（medical imaging）における臨床導入の大きな障壁である。 畳み込みニューラルネットワーク（CNN）と大規模言語モデル（Large Language Models）を統合するマルチモーダルな説明可能性フレームワークが提案されている。

Generative Artificial Intelligence in Healthcare ｜ S Kumar et al., unknown, 2026. ｜ 生成AI（Generative Artificial Intelligence）は医療分野に導入され、医療サービス（medical services）の質、効率、精度を向上させる。 AIによる大規模かつ複雑な情報の処理は、特に機械学習（machine learning）によって強化される。

A systematic review of machine learning on clinical MALDI-TOF MS ｜ L Schmidt-Santiago et al., Briefings in Bioinformatics, 2026. ｜ 臨床微生物学において、患者治療の指針決定や感染症の蔓延制御にMALDI-TOF MSが不可欠である。 MALDI-TOF MSデータに機械学習（ML）を適用することで、診断と解析が向上する。

Stances toward data governance: Negotiating tensions in data sharing for artificial intelligence in healthcare ｜ R Gubser et al., Information and unknown, 2026. ｜ 医療分野における人工知能（AI）開発のためのデータ共有は、現代のデータガバナンスにおいて独特の緊張関係を生む。 モデルの堅牢性（model robustness）とバイアス削減（bias reduction）を、プライバシー（privacy）と個人の権利（personal rights）を保護するための厳格な要件とバランスさせる必要がある。

Learning the chemical language of natural products: Machine learning in drug discovery ｜ X Guo et al., Nature Machine Intelligence, 2026. ｜ 天然物は、典型的な合成化合物や薬剤類似分子と比較して、より大きな骨格多様性、豊かな立体化学、複雑な構造を持つ。 合成化合物や薬剤類似分子で訓練された機械学習モデルは、天然物に対しては効果が限定的である可能性がある。

ASSESSING THE REAL-WORLD APPLICATIONS OF ARTIFICIAL INTELLIGENCE IN HEALTHCARE, SECURITY, AUTONOMOUS VEHICLES, AND RETAIL ｜ S Mishra et al., … Education: A Multidisciplinary Journal (TEMJ) E-ISSN …, 2026. ｜ 本論文は、ヘルスケア、セキュリティ、自動運転車、小売など多様な分野における人工知能（AI）の実世界応用を包括的に評価している。 AIは、大量のデータ分析、複雑なプロセスの自動化、インテリジェントな意思決定支援により、大きな進歩と効率性をもたらす変革的な役割を果たす。