医学 x AI

Energy-aware heart disease prediction system using hybrid metaheuristic optimization and deep learning for IoT-enabled healthcare environments ｜ R Krishnasamy et al., Scientific Reports, 2026. ｜ IoT（モノのインターネット）は、デバイスが容易に接続しデータを共有することでヘルスケアサービスを向上させる。 IoTと人工知能（AI）および機械学習を組み合わせることで、大量の医療データを分析し、リアルタイムでの心臓病予測を行うことが可能になる。

Disparities in the practical and ethical implications of artificial intelligence in clinical practices determined by demographic data ｜ AR Alsaedi et al., Annals of Medical and Ethical Management, 2026. ｜ 人工知能（AI）の進化はヘルスケアサービスの提供を変革しているが、その実装には実践的および倫理的な含意における格差が存在する。 本研究は、農村部のヘルスケア現場における医療専門家がAI統合に直面する課題を、人口統計データに基づいて評価することを目的とする。

A Review of Deep Learning in Medical Image Recognition for Glaucoma ｜ Z Li et al., International Journal of Public Health and Medical Research, 2026. ｜ 緑内障は早期症状が微妙であるため、患者は進行段階で受診することが多く、最適な治療機会を逸している。 医用画像処理とコンピュータビジョンの進歩は、眼科における人工知能（AI）の応用を促進している。

Mechanism-Aware and Explainable Artificial Intelligence for Drug Release Prediction in Polymeric Drug Delivery Systems ｜ M Ghazwani et al., Frontiers in Medicine, 2026. ｜ ポリマーベースの薬物送達システムからの薬物放出予測は、システムの幾何学的形状、薬物特性、処理条件、および時間などの多くの要因に依存するため、依然として困難である。 本研究は、薬物放出メカニズムを考慮し、データのわずかな変化が放出にどのように影響するかを説明できる、解釈可能な人工知能（XAI）モデルを開発する。

Healthcare Transformation Through Artificial Intelligence: Integrating Clinical Innovation, Data Ethics, and Patient-Centered Care ｜ W Ashton et al., Krasis: International Journal of Interdisplinary Studies, 2026. ｜ AIはヘルスケアサービスの提供を変革しているが、明確に定義された臨床ニーズに対処する場合にその強化が期待される。 AI導入によるヘルスケアの変革に関するエビデンスを、臨床的有用性、データおよびアルゴリズムの倫理、患者中心のケア、公平性の4つの領域で整理している。

Artificial Intelligence-Driven Triboelectric Nanogenerators for Healthcare: Devices, Algorithms and Systems ｜ Z Sima et al., Nano Energy, 2026. ｜ ヘルスケアにおける摩擦電気ナノ発電機（TENG）の臨床的価値は、デバイス感度だけでなく、不安定な自己給電信号を信頼性の高い情報に変換するアルゴリズムにも依存する。 本研究は、TENGの生体センシングにおける進歩を人工知能（AI）との統合に焦点を当ててレビューしている。

A machine learning-based clinical decision support system developed using the nine item avoidant/restrictive food intake disorder screen (NIAS) ｜ H Öğütlü et al., Journal of Eating Disorders, 2026. ｜ 本研究は、回避/制限性食物摂取障害（ARFID）のスクリーニングツールであるNIASを用いて、機械学習ベースの臨床意思決定支援システム（CDSS）を開発・評価することを目的とした。 データから学習する複数の機械学習手法がテストされ、CDSSの有効性が検証された。

Deep learning-based diagnostic report generation for low-resolution functional medical images via cross-modal visual and textual alignment ｜ T Song et al., Applied Intelligence, 2026. ｜ 低解像度の核医学画像から臨床的に信頼性の高い診断レポートを生成することは、医師の粗から精への診断推論プロセスが複雑であるため、主要な課題であった。 本研究は、低解像度機能医用画像から診断レポートを自動生成する深層学習ベースの手法を提案する。

Artificial intelligence in clinical trials—state of the evidence, gaps, and next steps ｜ AA Armoundas et al., eClinicalMedicine, 2026. ｜ AIは臨床試験において、効率化ツール（AI-as-a-tool）と臨床介入そのもの（AI-as-intervention）の二つの役割を持つ。 患者選択、試験デザイン、サイト選定、患者モニタリング、データ分析など、臨床試験の効率と成功率向上に貢献する。

A Review on Explainable Artificial Intelligence in Healthcare BPOS-Application and Challenges for Sustainability of Business ｜ P Deshmukh, International Journal of Latest Technology in Engineering, Management & Applied Science, 2026. ｜ ヘルスケアにおける説明可能な人工知能（XAI）技術、特に医用文書分類への応用に関する系統的レビュー。 主な課題として、標準化された評価指標の欠如、プライバシーとセキュリティの懸念、規制遵守の複雑さが挙げられる。