医学 x AI

Explainable Artificial Intelligence for Medical Data Analytics and Healthcare Applications ｜ B Das et al., unknown, 2026. ｜ 説明可能な人工知能 (XAI) ベースのダッシュボードが、E-ヘルスケアシステムを提供するために提示された。 このシステムは、ニューラルネットワークとアンサンブルXGBoostからなる高度に訓練された機械学習モデルで構成されている。

Towards a framework for implementing artificial intelligence in clinical medicine ｜ A Mahajan et al., BMJ Health & Care Informatics, 2026. ｜ 臨床人工知能 (AI) は急速に普及しており、診断補助、予測リスクモデル、意思決定支援システムが加速的に登場している。 これらのシステムのほとんどは、研究設定内で開発およびテストされている。

Safety, Accountability, and Regulation of Artificial Intelligence in Diagnostic Medicine: A Systematic Review ｜ O Ogungbuaro et al., Safety, 2026. ｜ 人工知能 (AI) および機械学習技術は診断医療を革新している。 ディープラーニングアルゴリズムは、大規模な検証研究において高い診断精度を達成している。

Artificial Intelligence-Augmented Diagnostic Synthesis: Extending the Radiologist’s Clinical Role ｜ F Deng et al., American Journal of Roentgenology, 2026. ｜ AI時代においても、病変から患者を推測することは診断放射線医学の中核的な臨床機能である。 放射線科医は、その訓練と専門知識をもたらすことで臨床ケアチームの不可欠なメンバーとなる。

Implementation pathways of generative artificial intelligence in healthcare SMEs ｜ L Burgin-Kotsel et al., Science and Public Policy, 2026. ｜ 生成AI (GAI) は変革的な利益をもたらす可能性を秘めているが、組織への組み込みは複雑なプロセスである。 ヘルスケア分野の中小企業を対象とした帰納的調査を通じて、デュアルパスウェイGAI導入モデルが開発された。

A scoping review of explainable artificial intelligence for medical multimodal data ｜ K Hu et al., npj Digital Medicine, 2026. ｜ 人工知能 (AI) モデルは、画像や臨床記録などの多様なデータを統合し、ヘルスケア分野で急速に進展している。 医療マルチモーダルデータにおける説明可能性 (explainability) の使用を調査するため、4つの書誌データベースを用いたスコーピングレビューが実施された。

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。

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。

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。

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。