Perceptions of artificial intelligence in healthcare and rehabilitation: a qualitative study on insights from medical officers and physical therapists in Pakistan ｜ E Wahid et al., Disability and Rehabilitation, 2026. ｜ 人工知能（AI）は、ヘルスケアおよびリハビリテーション分野において、評価、診断、治療など多様な目的で普及が進んでいる。 パキスタンの医官と理学療法士の視点から、AI技術の進展に伴う認識に関する定性的な洞察を調査した。
Artificial intelligence language models for medical text analysis: A systematic review ｜ AS Azar et al., Artificial Intelligence in …, 2026. ｜ 医療テキスト記録は、臨床意思決定、正確な診断、信頼できる予後、効果的な治療計画のための不可欠な情報源として機能する。 人工知能の最近の進歩が、医療テキスト分析に応用されている現状を系統的にレビューしている。
Global Trends in Integrating Machine Learning (ML) with Model-Informed Drug Development (MIDD): A Bibliometric and Systematic Review (2015–2025) ｜ D Dermawan et al., Pharmaceutics, 2026. ｜ 機械学習、薬物動態学、薬剤開発、人工知能といったキーワードを含む文献の書誌計量学的および系統的レビューを提供。 機械学習が規制当局内で採用される世界的動向に焦点を当てている。
From Algorithm to Clinic: A Critical Review of Deep Learning Advances and Challenges in Dermatological Diagnosis and Care Delivery ｜ S Rahman et al., ICT Express, 2026. ｜ 皮膚科診断における深層学習アプリケーションに関する系統的レビューであり、2019年から2025年までに発表された212の査読済み研究を分析している。
INTEGRATING KNOWLEDGE GRAPHS AND DEEP LEARNING FOR DRUG RECOMMENDATION SYSTEM ｜ N Nguyen et al., unknown, unknown. ｜ 知識グラフと現代の深層学習モデルを組み合わせた包括的なアプローチを提案。 このアプローチにより、多次元かつ非構造化データを扱う症状ベースの薬剤推薦システムが開発可能になる。
Impact of generative artificial intelligence on healthcare education: A systematic review of learning outcomes and academic integrity ｜ CU Ugwu et al., International Journal of Applied Resilience and …, 2026. ｜ ヘルスケア教育における生成型人工知能（GenAI）の最近の発展が、学習成果、学生のエンゲージメント、臨床実践に与える影響を系統的にレビューしている。
Computational insights into drug hygroscopicity by coupling machine learning and molecular simulation ｜ X Yin et al., Drug Delivery and Translational Research, 2026. ｜ 薬剤スクリーニング、製剤設計、リスク管理のための統合計算戦略を提案。 機械学習（ML）と分子シミュレーションを組み合わせることで、薬剤の吸湿性を迅速に予測し、研究開発コストの削減に貢献する。
IP53-16 ARTIFICIAL INTELLIGENCE FOR PROSTATE CANCER: TRANSPARENT DEEP LEARNING ENHANCES CLINICAL CONFIDENCE IN DETECTING CLINICALLY SIGNIFICANT LESIONS ACROSS MULTI-CENTER MRI DATA ｜ AAN Beltrán et al., The Journal of Urology, 2026. ｜ 人工知能（AI）は診断性能を向上させる可能性を秘めるが、臨床現場への導入には解釈可能で信頼できるモデルが必要となる。 説明可能な深層学習モデルが、多施設MRIデータにおいて生理学的に整合性のある予測を示し、臨床的信頼性を高めることを実証している。
Explainable Agentic Artificial Intelligence in Healthcare: A Scoping Review ｜ BG Collaco et al., Bioengineering, 2026. ｜ 自律的な目標指向行動、多段階推論、タスク分解、ツール使用を特徴とするエージェント型AIシステムが、ヘルスケア分野でますます提案されている。 実世界の臨床現場で、安全で信頼できるAIをサポートするための説明可能なエージェント型AIの重要性を示す。
Stacked CT radiomics, deep learning and clinical feature models for differentiating benign and malignant solitary pulmonary nodules ｜ J Zong et al., Scientific Reports, 2026. ｜ 手動でセグメント化された関心領域から抽出されたラジオミクス特徴と、改良されたSwin-Transformerアーキテクチャに基づく深層学習視覚分類器を組み合わせたマルチモーダルスタッキングモデルを提案。 このモデルは高い臨床的純利益を示し、良性・悪性孤立性肺結節（SPN）の鑑別に有効である。