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。
Ensemble machine learning for predicting breast cancer recurrence and mortality using clinical and hemogram data ｜ PH Moreira et al., npj Breast Cancer, 2026 ｜ 診断時に得られた血球計算データとTNM臨床病期などの臨床因子を用いて、乳がんの2年再発/死亡率を予測するための教師あり機械学習アルゴリズムを評価。 臨床因子単独での2年再発/死亡予測能力を検証。
Mapping artificial intelligence integration in objective structured clinical examinations: A scoping review ｜ SA León-Ariza et al., Medical Teacher, 2026 ｜ 人工知能とOSCE（客観的構造化臨床試験）の統合に関する既存の証拠を整理し、臨床評価におけるフレームワークを策定。 臨床エンドユーザーに対し、モデルファクトラベルを用いて機械学習モデル情報を提供する重要性を強調。
Identification of potential diagnostic biomarkers for myocardial infarction using bioinformatics and machine learning ｜ L Ren, M Xu, R Jiang, J Li, Immunobiology, 2026 ｜ 心筋梗塞の潜在的な診断バイオマーカーを特定するために、バイオインフォマティクス手法と機械学習アルゴリズムを使用。 候補遺伝子セット間の特徴選択の改善と、予測モデルで使用されるパラメータの最適化に機械学習手法を適用。
Embedded transparency in artificial intelligence: a prerequisite for equity and representation in AI-enabled clinical trials ｜ JMC Blom, L Pani, npj Digital Medicine, 2026 ｜ 人工知能が臨床試験のインフラに組み込まれ、被験者の特定、層別化、分析方法を形成している。 不透明なAIモデルは既存の格差を増幅させるリスクがあるため、AI対応臨床試験において「組み込まれた透明性」が公平性と代表性の前提条件であると提唱。
Workplace Challenges of Artificial Intelligence in Healthcare: Implications for Nursing Education and Practice ｜ PU Ukaigwe, Education, 2026 ｜ ヘルスケアシステムにおける人工知能（AI）が臨床ワークフローを変革していることを背景とする。 AI関連の職場での課題と、看護教育および実践への影響を調査。
A Comprehensive Review of Artificial Intelligence in Healthcare: Emphasizing the Need for Explainability in Patient-Centric Applications ｜ R Agrawal, R Agrawal, International Journal of Fuzzy Logic and Intelligent …, 2026 ｜ 医療分野におけるAIモデルの包括的なレビューを実施。 説明可能な人工知能（XAI）が、透明性、解釈可能性、信頼性の高い意思決定を医療において提供できることを強調。
Applications of traditional machine learning and deep learning algorithms in obesity prediction or classification: a systematic review of comparative performance ｜ M Jamali et al., npj Digital Medicine, 2026. ｜ 肥満とその関連合併症が世界的な健康危機であることに対し、効果的な予測・分類戦略の必要性を背景に、AI手法がヘルスケアで応用されていることを示す。 肥満の予測または分類における従来の機械学習（ML）と深層学習（DL）アルゴリズムのパフォーマンスを比較評価する系統的レビュー。