1000人調査で判明：アジア太平洋地域のAPIセキュリティの実態と今後の対策
エージェント型AIの導入加速に伴い、その基盤となるAPIのセキュリティ確保がこれまで以上に重要に。 アジア太平洋地域の1000人を対象とした調査結果をもとに、APIセキュリティの現状・課題・対策を解説。 Source URL
lab_admin
「単なる効率化」から「組織変革」へ、生成AIの真価を引き出すためのアプローチ
生成AIによる業務効率化が進んでも、組織の創造性やイノベーションにつながらない課題を抱える企業向け。 人の行動データから導き出した知見を基に、組織変革につながる生成AI活用の考え方を解説。 Source URL
攻撃者が突く3つの“死角”とは？ 動画で学ぶランサムウェア対策
ランサムウェア攻撃被害が拡大する中、攻撃されにくい組織づくりが急務。 攻撃者が突く“3つの死角”と、優先度の高い対策領域を動画で分かりやすく解説。 Source URL
医療脳画像診断のための機械学習および深層学習手法の包括的研究
A Comprehensive Study of Machine Learning and Deep Learning Methods for Medical Brain Imaging ｜ P Hingane, S Dnyane, P Roy, S Mallik, Fusion of Signaling Pathway and Omics in …, 2026 ｜ 医療脳画像診断における速度、精度、信頼性に対する臨床的需要を満たすため、機械学習（ML）、深層学習（DL）、および最適化アルゴリズムなどの高度な計算技術の必要性を論じる。
機械学習に基づく病原性予測と表現型マッチングの統合による稀な臨床検査における変異優先順位付けの改善
Integration of Machine Learning-Based Pathogenicity Prediction and Phenotype Matching Improves Variant Prioritization in Rare Clinical Testing ｜ J Ruzicka et al., Current Issues in Molecular …, 2026 ｜ 稀な臨床検査における変異の優先順位付けを改善するため、機械学習に基づく病原性予測と表現型マッチングの統合に焦点を当てる。
進化的アルゴリズムと機械学習アルゴリズムのベンチマーク：緊急医療サービスにおけるSIRENチャレンジ
Benchmarking Evolutionary and Machine Learning Algorithms: The SIREN Challenge of Emergency Medical Services ｜ TÅ Kallekleiv, XFC Sánchez-Díaz, OJ Mengshoel, Proceedings of the Genetic and …, 2026 ｜ 緊急医療サービス（EMS）のSIRENチャレンジにおいて、進化的アルゴリズムと機械学習アルゴリズムをベンチマーク評価。 SIRENは合成医療インシデントを生成し、対応するEMS応答をシミュレートする。
統合機械学習、FAERSに基づくシグナル比較、およびネットワーク毒性分析による薬物誘発性生殖毒性の予測とメカニズム的洞察
Prediction and mechanistic insights into drug-induced reproductive toxicity through integrated machine learning, FAERS-based signal comparison, and network … ｜ J Yan, Y Zhou, Y Zhao, F Tang, Molecular Diversity, 2026 ｜ 従来の評価方法が高コストで長期間を要するという制約を克服するため、機械学習手法を提案し、薬物誘発性生殖毒性の予測とメカニズム的洞察を提供。 薬物安全性評価における重要な課題である薬物誘発性生殖毒性に対処。
臨床データと血球計算データを用いた乳がん再発および死亡率予測のためのアンサンブル機械学習
Ensemble machine learning for predicting breast cancer recurrence and mortality using clinical and hemogram data ｜ PH Moreira et al., npj Breast Cancer, 2026 ｜ 診断時に得られた血球計算データとTNM臨床病期などの臨床因子を用いて、乳がんの2年再発/死亡率を予測するための教師あり機械学習アルゴリズムを評価。 臨床因子単独での2年再発/死亡予測能力を検証。
客観的構造化臨床試験における人工知能統合のマッピング：スコープレビュー
Mapping artificial intelligence integration in objective structured clinical examinations: A scoping review ｜ SA León-Ariza et al., Medical Teacher, 2026 ｜ 人工知能とOSCE（客観的構造化臨床試験）の統合に関する既存の証拠を整理し、臨床評価におけるフレームワークを策定。 臨床エンドユーザーに対し、モデルファクトラベルを用いて機械学習モデル情報を提供する重要性を強調。
バイオインフォマティクスと機械学習を用いた心筋梗塞の潜在的診断バイオマーカーの特定
Identification of potential diagnostic biomarkers for myocardial infarction using bioinformatics and machine learning ｜ L Ren, M Xu, R Jiang, J Li, Immunobiology, 2026 ｜ 心筋梗塞の潜在的な診断バイオマーカーを特定するために、バイオインフォマティクス手法と機械学習アルゴリズムを使用。 候補遺伝子セット間の特徴選択の改善と、予測モデルで使用されるパラメータの最適化に機械学習手法を適用。