医学 x AI

Research on Ethical Issues and Countermeasures in Artificial Intelligence-Assisted Healthcare ｜ X Zhou, International Journal of Public Health and Medical, 2026. ｜ 医療分野におけるAIとヘルスケアの統合は、機械学習、ディープラーニング、強化学習アルゴリズムを組み合わせることで、AIと医療サービスの深い統合を加速させる。 これにより患者体験の最適化が図られる一方、倫理的問題も生じるため、本研究ではその問題と対策を考察する。

Deep-learning single-cell profiling uncovers interbacterial and drug-driven reshaping of pathogen virulence ｜ B Bognár et al., Nature Communications, 2026. ｜ 従来の単一細胞解像度の方法では、病原体毒性のプロセスを体系的に定量化することが困難だった。 本研究では、病原性因子と薬剤効果の相互作用が病原性をどのように形成するかを探るため、ハイスループットディープラーニングツールであるを提案する。

Generative Artificial Intelligence in Medical Academic Writing: From Text Production to Knowledge Production ｜ RM DUMITRESCU, Calitatea Vieții, 2026. ｜ 本研究は、現代における生成型人工知能（Generative AI）の概念化を検証する。 研究結果は、人工知能を中心とした安定した概念構造を明らかにし、テキスト生成から知識生成へと進化する生成型AIの役割を示す。

Ensuring Safe and Responsible Use of Artificial Intelligence in Medical Imaging: Pitfalls and Practical Solutions through the Lens of Obstetric Ultrasound ｜ R Chanian et al., Indian Journal of Radiology and, 2026. ｜ 人工知能（AI）は産科・婦人科超音波検査に急速に適用されている。 現在の応用は主に、画像取得と標準化を支援するツール、および診断ツールの4つのカテゴリに分類される。

ARTIFICIAL INTELLIGENCE AND MACHINE LEARNING IN CLINICAL DATA MANAGEMENT: WORKFLOW AUTOMATION AND QUALITY ENHANCEMENT ｜ K Manne, Power System Protection and Control, 2026. ｜ 本論文は、AIとMLが臨床データ管理においてワークフロー自動化と品質向上にどのように貢献するかを検証する。 非構造化臨床テキストに対する自然言語処理（NLP）や、教師あり・教師なし機械学習が応用される。

DEVELOPING SHARIAH ACCOUNTABILITY FRAMEWORK FOR ARTIFICIAL INTELLIGENCE IN HEALTHCARE USING THE FUZZY DELPHI METHOD ｜ AS Yunos et al., Journal of Fatwa, 2026. ｜ ヘルスケアにおけるAIの統合は、シャリア（イスラム法）の原則に合致する包括的な倫理フレームワークによって導かれるべきである。 イスラム教は、人間によって創造されたテクノロジーが人々に奉仕すべきであることを強調する。

The roles of challenge and curiosity in deep learning and creative tendencies among Chinese medical undergraduates ｜ H Song et al., Scientific Reports, 2026. ｜ ディープラーニングは医学生の臨床思考の向上において重要な役割を果たす。 医学生のディープラーニング能力に関する研究はまだ不足しており、本研究はその現状と影響要因を調査することを目的としている。

Artificial Intelligence and Machine Learning in Drug Design: From Computational Forecasting to Medicines with Clinical Validation and Commercialization ｜ TN Lokhande et al., unknown, 2026. ｜ 機械学習（ML）は、既存の基準に依存するのではなく、推論を逆転させることで創薬分野に導入された。 実験データの増加に伴い、創薬における機械学習の重要性が高まっている。

Artificial Intelligence for Clinical Decision-Making in Retinal Disorders: From Screening and Diagnosis to Treatment and Longitudinal Management ｜ PDK Zhao et al., Progress in Retinal and Eye Research, 2026. ｜ 網膜画像診断におけるAIの応用範囲は、画像分類からマルチモーダル解釈、長期予測、臨床意思決定支援へと拡大している。 本レビューは、網膜疾患のスクリーニング、診断、治療、長期管理におけるAIの活用に焦点を当てる。

Machine learning framework for prediction of drug‐induced liver injury in patients on antitubercular therapy: Multicentric study ｜ M Banerjee et al., British Journal of Clinical Pharmacology, 2026. ｜ 抗結核療法（AT-DILI）中の薬物誘発性肝損傷（DILI）のベースライン決定要因を特定することを目的とした。 インドの2つの施設でDILIリスク予測のための機械学習モデルが開発された。