HUSM - AI & Quantum Imaging Lab -
浜松医科大学 光医学総合研究所 光量子技術開発部門 AI量子イメージング分野
Bridging The Data Divide: Standardization And Interoperability In Natural Product Databases & Artificial Intelligence In Drug Discovery ｜ HA Vindhani et al., International Journal of Scientific Research and …, 2026 ｜ 分子言語処理と人工知能（AI）、機械学習（ML）の統合が創薬の加速において革命的な機会をもたらすことを提唱。 天然物データベースの標準化と相互運用性が、AIを活用した創薬の効率化に不可欠であると指摘。
AML-720: Artificial Intelligence–Based Diagnostic Accuracy and Clinical Utility for Acute Myeloid Leukemia Detection From Peripheral Blood and Bone Marrow Imaging: A Systematic Review and Meta-Analysis ｜ SSR Tamma et al., Clinical Lymphoma Myeloma …, 2026 ｜ 急性骨髄性白血病（AML）の検出における人工知能（AI）の診断精度と臨床的有用性を評価するための系統的レビューとメタアナリシスを実施。 ランダム効果メタアナリシスを用いて、AIの診断能力をプールして評価。
Artificial Intelligence in Healthcare: A National Framework for Evaluating Economic, Productivity, Public Health, and Environmental Impacts ｜ S Pudrik, International Journal of Science, Technology & Society, 2026 ｜ AIの国家ヘルスケアシステムへの急速な導入における経済的、生産性、公衆衛生、および環境への影響を評価するための国家フレームワークを提案。 ヘルスケア特有のAI評価フレームワーク内では、これらの幅広い影響への注目が限定的であったことを指摘。
Artificial Intelligence in Healthcare: A Review of Recent Trends, Applications, Challenges, and Future Directions ｜ TM Nasheeda, … Conference on Intelligent Technologies for Tomorrow …, 2026 ｜ ヘルスケアにおけるAIの最近の傾向、応用、課題、および将来の方向性について包括的なレビュー。 医療画像、電子健康記録、臨床意思決定支援におけるディープラーニング手法の利用を検討し、複雑なパターンを識別する能力を指摘。
Research on the Application of Machine Learning in Healthcare ｜ S Goyal et al., International Journal of …, 2026 ｜ 医療データセットを使用して糖尿病を予測するための機械学習手法を比較。
Human-Governed Validation of Artificial Intelligence-Generated Medical Assessment Artifacts: A Technical Report ｜ VC Destefani et al., Cureus, 2026 ｜ 生成型AIモデルが、多肢選択問題、ディストラクター、臨床ビネット、解答解説、ブループリントタグなどの医療評価資料を作成できることを示す。 生成された内容の言語的妥当性だけではその正確性は確立されないため、人間による検証（Human-Governed Validation）の重要性を強調する。
Ethics and Professionalism in Artificial Intelligence and Medical Practice: A Position Paper From the American College of Physicians ｜ M DeCamp et al., Annals of Internal Medicine, 2026 ｜ ヘルスケア分野におけるAIの急速な導入に対し、倫理とプロフェッショナリズムに関する米国医師会（ACP）の公式見解を提示。 AIは医師を支援するツールとしての「拡張知能」と捉えるべきであり、単なる技術実装以上の配慮が必要であると主張。
Evolution of Generative Artificial Intelligence in Clinical Practice: Comparative Performance of OpenEvidence 2.0 and ChatGPT-4o ｜ MSF Avrumova et al., The Spine Journal, 2026 ｜ 生成型AIの臨床的有用性を診断推論、患者管理、薬物またはデバイスの承認プロセスなど広範な側面で比較評価。
The Digital Transformation of Rehabilitation Medicine: A Narrative Review of Artificial Intelligence Innovations, Clinical Integration, and Future Paradigms ｜ H Wu et al., Journal of Evaluation in Clinical Practice, 2026 ｜ リハビリテーション医療におけるAIの革新、臨床統合、および将来のパラダイムに焦点を当てたレビュー。 生理学的信号のデコーディングにディープラーニングを活用し、定期的臨床モニタリングの限界を超える客観的で継続的な監視環境を実現。
From Redaction to Restoration: Deep Learning for Medical Image Deidentification and Reconstruction ｜ A Kline et al., Journal of Imaging Informatics in …, 2026 ｜ 医療画像データから個人識別情報を匿名化し、その後、匿名化された領域を再構築するためのエンドツーエンドのディープラーニングフレームワークを提案。 生成型ディープラーニングモデルを用いて、秘匿された領域をインペイント（補完）することで、復元されたボリュームの忠実度を評価する。