Human-Robot Interaction Based on Artificial Intelligence in Clinical Healthcare Centers: A Systematic Review and Meta-Analysis ｜ MM Shafaie et al., Computers in Human …, 2026. ｜ 人工知能（AI）の統合がヘルスケア分野における人間とロボットの相互作用（HRI）を根本的に変革している。 本系統的レビューは、人間とロボットシステムの感情的、社会的、認知的相互作用への影響を検証している。
Application of Deep Learning Models for Early Diagnosis of Diseases Using Medical Imaging and Genomic Data ｜ W Hussain et al., Research Consortium Archive, 2026. ｜ 深層学習は、病理学的パターンを検出するために、医用画像とゲノムデータを統合することで、疾患の早期診断に革命をもたらしている。 このレビューは、最先端の深層学習モデルを、早期疾患診断における医用画像とゲノムデータの統合という文脈で調査する。
Using Machine Learning to Predict Arterial Hypertension From a Clinical Dataset ｜ A Igimbayeva et al., 2026 18th International Conference on, 2026. ｜ 4つの教師あり機械学習モデル（ロジスティック回帰、ランダムフォレスト、サポートベクターマシン、XGBoost）を評価した。 実世界の臨床データに機械学習を適用し、ステージ認識型高血圧予測を行う。
Artificial Intelligence in Pelvic Fracture Diagnosis and Outcome Prediction: A Systematic Review and Meta-analysis ｜ KJ Wang et al., Mayo Clinic Proceedings, 2026. ｜ AIは、骨盤骨折の診断において専門医と同等の診断性能を示す研究がある。 しかし、研究には異質性、選択バイアス、限定的な外部検証が見られ、大規模な前向き検証が必要である。
Artificial intelligence in genomic medicine: dispelling three myths ｜ BD Solomon, npj Genomic Medicine, 2026. ｜ AIは、特に米国のような利益駆動型で断片化された医療システムにおいて、医学生物学に大きな社会変化をもたらす。 AIは、臨床医不足や臨床経験の欠如といった課題を抱えるヘルスケアシステムに破壊的影響を与える可能性がある。
Deep learning-based Wilms tumor segmentation to create 3D models for surgical planning: Implementation in the clinical workflow ｜ MAD Buser et al., Journal of Pediatric Surgery, 2026. ｜ 深層学習は、ウィルムス腫瘍のセグメンテーションを自動化できる。 本研究では、臨床ワークフローへの実装を目的として、外科的計画のための3Dモデル作成における深層学習ベースのセグメンテーション手法の将来的な評価を行う。
Prediction of infiltration degree of ground-glass nodules using a fusion of CT radiomics and deep learning ｜ L He et al., Scientific Reports, 2026. ｜ 複数のアルゴリズムを系統的に比較・最適化し、モデル選択の任意性を回避する。 臨床画像、ラジオミクス、深層学習の特徴を統合し、相補的な情報を提供する新しい前処理手法を提案する。
Artificial Intelligence in Clinical Trial Participant Recruitment and Retention: a Scoping Review and Meta-Analysis ｜ Z Yin et al., unknown, 2026. ｜ 臨床試験の成功を妨げる要因として、参加者の募集と維持の課題がある。 AIは、臨床試験プロセスを最適化するための有望な手段として登場しており、募集と維持の強化に大きな可能性を示している。
FAIR4prep: FAIR clinical informatics data preprocessing in artificial intelligence applications ｜ M Cobo et al., Scientific Data, 2026. ｜ 臨床情報学における機械学習アプリケーションの再現性は、データに大きく依存する。 FAIR（Findable, Accessible, Interoperable, Reusable）原則に沿った臨床情報学におけるデータ前処理の原則を提案し、コラボレーションを促進し、より堅牢な分析をサポートする。
ARTIFICIAL INTELLIGENCE IN HEALTHCARE: THE EXPANDING ROLE OF AI HEALTHCARE CHATBOTS IN CLINICAL AND DIGITAL ECOSYSTEMS ｜ S Gholap et al., unknown, 2026. ｜ AIは、診断精度の向上や治療の最適化により、現代のヘルスケアを変革している。 AIベースのチャットボットシステムは、スケーラブルで費用対効果の高いソリューションとして、ヘルスケア関連の問い合わせに対応するために普及している。