医学 x AI

Hippocampus-Based Alzheimer Detection Using Deep Learning Techniques ｜ Ö Kılıç et al., Conference on Artificial Intelligence for, 2026 ｜ 医用画像診断におけるディープラーニングの活用は、アルツハイマー病（AD）に関連する海馬の変化を分析するための強力なアプローチを提供する。 この技術は神経科医の診断時間短縮に寄与する。

Psychotropic drug-induced weight gain and untargeted metabolomics: machine learning-driven results from a prospective cohort study ｜ M Piras et al., Translational Psychiatry, 2026 ｜ 複数の向精神薬が著しい体重増加を引き起こす可能性があり、本研究ではこの副作用のメタボロームフィンガープリントを解明することを目指している。 Psymetabコホートから得られたデータに基づき、機械学習を用いて体重増加を誘発する患者の代謝プロファイルを分析している。

Anonymous and Linkable Privacy Preserving Machine Learning for Medical Inference using Paillier Encryption and Linkable Ring Signatures ｜ S Pallavi et al., unknown, 2026 ｜ 従来の機械学習モデルは、予測や診断のためにデータが処理される際に患者データやユーザー識別情報を開示する懸念がある。 とを用いて、プライバシーを保護しつつ匿名性とリンク可能性を両立させる機械学習フレームワークを提案している。

Governance of Artificial Intelligence in Healthcare Policy and Legislative Approaches to Balancing Innovation and Data Protection ｜ S Cakmak, International Journal of Acta Informatica, 2026 ｜ ヘルスケアにおける人工知能（AI）の変革的潜在力は大きい。 既存の政策枠組みはAIのヘルスケア応用向けに設計されておらず、適切なガバナンスが課題となっている。

Applications of Artificial Intelligence and Machine Learning in Medical Image Processing ｜ N Pokhriyal et al., Advances Across Scientific Disciplines & Indian, 2026 ｜ 医療の精度と効率向上のため、人工知能（AI）と機械学習（ML）の医用画像処理への統合が重要である。 AIとMLは医用画像処理において多岐にわたる応用が可能である。

Artificial Intelligence in Medical Science as a Therapeutic Factor: A Theoretical and Methodological Analysis ｜ AN Safiullina, 2026 International Conference on Artificial Intelligence, 2026 ｜ AI技術の医療への急速な導入が進んでおり、当初は主に診断ツールと見なされていた。 本研究は、人工知能が治療因子として考慮されるかという医学の根本的な問題を提起している。

Integrating Deep Learning in Medical Image and Data Analysis and LLM-Based Novel Research Idea Generation ｜ J Guo, unknown, 2026. ｜ 糖尿病性足潰瘍（DFU）予防における深層学習ベースのフレームワークを提案している。 医用画像およびデータ分析、さらに大規模言語モデル（LLM）ベースの新規研究アイデア生成に深層学習を統合することを目的としている。

Computer-Aided Drug Design and Artificial Intelligence in Drug Discovery: Accelerating Pharmaceutical Innovation ｜ US Samantaray, A Raj, SunText Reviews, 2026. ｜ コンピュータ支援創薬設計（CADD）の原則と、現代の創薬におけるAIおよび機械学習（ML）の役割について議論している。 これらの技術が開発時間を短縮し、医薬品候補を従来のスクリーニング方法よりも迅速かつ正確に特定できることを示唆している。

A Machine Learning-Based Clinical Decision Tool for Predicting Pain After Refractive Surgery ｜ J Betz et al., Investigative Ophthalmology & Visual Science, 2026. ｜ 屈折矯正手術後の痛みを予測するための機械学習ベースの臨床意思決定ツールを提案している。 このツールは、患者の術後の痛みを予測し、臨床的判断を支援する可能性がある。

Predicting ICD therapy events through machine learning: bridging clinical predictors and device data ｜ T Chiba et al., Europace, 2026. ｜ 日常的に利用可能な臨床データとデバイス由来データに基づく機械学習モデルを開発し、植込み型除細動器（ICD）治療イベント（ATPまたはショック）の発生を予測することを目指している。 このモデルは、臨床予測因子とデバイスデータを統合することで、ICD治療イベントの予測能力を示す。