医学 x AI

Making scents out of the best “smell” tests in the age of clinical artificial intelligence ｜ IJ Chetty et al., International Journal of Radiation Oncology, Biology …, 2026. ｜ AIは臨床実践および研究において、発見、診断、予後予測のツールとして急速に登場している。 電子カルテや画像診断から得られる大規模で包括的なデータセットがAIに利用されている。

A comprehensive narrative review of artificial intelligence applications in drug discovery and pharmaceutical practice ｜ A Raj et al., Journal of Pharmaceutical Analysis, 2026. ｜ AIが創薬および薬局実務にどのように応用されているかについて、包括的なレビューを提供する。 機械学習などの手法が製薬研究で活用され、有望な薬物候補の特定を加速できる。

A task-oriented review of deep learning for medical image segmentation from 2015 to 2026 ｜ S Zhu et al., Discover Applied Sciences, 2026. ｜ 2015年から2026年までの医用画像セグメンテーション研究のタスク概要を提示する。 文献を臨床タスクの特性に基づいて整理し、オーバーラップ、境界、トポロジー、インスタンスレベルのメトリックの捉え方を分析する。

Exploring Mental Health Therapists’ Perspectives on the Integration of Artificial Intelligence in Clinical Practice ｜ S Norouzi et al., unknown, 2026. ｜ AIはメンタルヘルスケアに導入が進んでおり、文書化、意思決定支援、症状モニタリング、デジタル治療ツールなどに応用される。 AIが潜在的な利点を提供する一方で、その統合に関する専門家の視点を探求することが重要である。

Machine Learning, Deep Learning Assisted Clinical Data Analysis on Myocardial Infarction ｜ RK Arunkumar et al., Journal of Online Engineering Education, 2026. ｜ 深層学習を用いた臨床データ駆動型フレームワークを提示し、心筋梗塞の早期発見とリスク評価に貢献する。 本研究は、インテリジェントなヘルスケア分析における機械学習と深層学習の重要性を示している。

A five-phase evaluation framework for diagnostic and predictive medical artificial intelligence ｜ Z Ye et al., npj Digital Medicine, 2026. ｜ 医療AIシステムは、臨床的利益の証明前に高額な臨床試験を必要としたり、オフライン比較に留まったりする課題がある。 この課題に対処するため、医療AIの5段階評価フレームワークを提案している。

Artificial Intelligence and Machine Learning in Drug Discovery and Pharmacology: Applications, Explainability, and Future Directions ｜ MR Bhoyar et al., International Journal of Pharmacy Research & …, 2026. ｜ AIとMLの進歩により、創薬と薬理学が大きく変革されている。 AI/MLはドラッグリパーパシングや創薬・開発プロセス全体に応用されている。

Carbon-Efficient Deep Learning for Healthcare: An Accuracy–Sustainability benchmarking of 3D Brain Tumor Segmentation models for Climate-Aware Clinical AI Deployment ｜ K Kumar et al., Results in Engineering, 2026. ｜ 深層学習のアーキテクチャの複雑化が、計算資源の消費増大と環境への影響を招いている。 臨床AIの展開においては、精度と持続可能性を両立させるモデルの評価が重要である。

The Bureaucracy Will Not Automate Itself: Why Physicians Should Lead the Inauguration of Artificial Intelligence in Healthcare Administration ｜ J Chapiro et al., American Journal of Roentgenology, 2026. ｜ 数十年にわたる臨床的権限と所有権・資本の分離という問題が存在する。 医師は、画像診断プロセスにおける非臨床業務を排除するAIの資金提供、研究、報酬付与を主導すべきである。

Artificial Intelligence in Medical Education: Preparing Future Physicians for an AI-Driven Healthcare System ｜ SC Shimmi, Borneo Journal of Medical Sciences (BJMS), 2026. ｜ 人工知能（AI）は、単なる投機的なアイデアから、ヘルスケアと医学教育にとって不可欠な要素へと移行しつつある。 AIは、医学生によって情報アクセス、問題解決、スキル開発、臨床推論の向上に広く利用されている。