医療ソフトウェアにおける人工知能
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。
医学 x AI
学術研究における医療系大学院生の人工知能生成コンテンツツールの利用意図に影響を与える要因：質的分析
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 – 医用画像セグメンテーションのための深層学習
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。
臨床ビネッテのための人工知能の倫理的利用
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。
子宮内膜症診断における人工知能と臨床準備態勢のギャップを埋める：システマティックレビュー
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。
臨床薬物使用における人工知能ベースヘルスケアのコスト削減：文献レビュー
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。
タンザニアの第三次病院の医療従事者における医療診断と治療計画における人工知能の利用に関する知識、態度、実践：横断研究
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。
膠芽腫の生存予測のための深層学習：MRI、臨床、分子データを用いた時間依存モデルの解釈可能性
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。
INTEbiotics機械学習ベース臨床意思決定支援システム（ML-CDSS）に対する臨床医の認識と導入決定要因
Clinicians’ perceptions and implementation determinants of the INTEbiotics machine learning-based clinical decision support system (ML-CDSS) ｜ N Jacquet et al., ESCMID Global, 2026. ｜ ヨーロッパでは年間100万件以上の敗血症（BSIs）が発生し、30日死亡率が30%に及ぶ重篤な感染症である。 血液培養後12時間以上の適切な抗生物質投与の遅延は、30日死亡率の増加につながる。
AI強化キナーゼ濃縮分析（KEA）と幾何学的深層学習および連合学習の統合による精密ドラッグリパーパシング
Integrating AI-enhanced kinase enrichment analysis (KEA) with geometric deep learning and federated learning for precision drug repurposing ｜ S Iqbal et al., Drug Discovery Today, 2026. ｜ 人工知能（AI）は、システム生物学と分子設計を統合することで、ドラッグリパーパシングのプロセスを変革している。 AI強化Kinase Enrichment Analysis (KEA)、幾何学的深層学習、および連合学習を組み合わせた統一フレームワークを提案し、精密なドラッグリパーパシングを目指す。