136 articles · 20 / page
VITAL-AF試験の分析では、心電図（ECG）ベースの人工知能（AI）と臨床リスクスコアを組み合わせることで、心房細動スクリーニングの効率が大幅に向上することが明らかになりました。研究は、高リスク個体がスクリーニングから最大限の利益を得ることができ、トップのCH-AIリスクデシルでは、年間43人をスクリーニングすることで1件の症例を検出できることが示されました。
MYRIAD試験の二次解析によると、機械学習モデルは学校でのマインドフルネス訓練から利益を得られる可能性のある若者を特定できるものの、その予測の臨床的な意義は最小限である。因果的ランダムフォレストとエラスティックネット回帰モデルの両方が統計的に有意だが、実質的には些細な差異を検出した。
研究者たちは、肝細胞がんにおける腫瘍間質比（TSR）と死亡率との非線形関係を明らかにするAI駆動のフレームワークを開発しました。この新しいトークンガイダンスマルチモーダルフュージョンアプローチは、従来の方法を上回る予後精度の向上を可能にします。
研究者たちは、異なる試験定義での心血管イベントを評価できる人工知能アルゴリズムADAPT-CECを開発・検証した。AIと選択的な人間レビューを組み合わせたハイブリッドアプローチは、95.6%の精度を達成し、主要な試験結果を再現した。
ランダム化臨床試験では、装着型経皮電気針灸刺激（TEAS）が高リスク手術患者の術後嘔吐・嘔気（PONV）に対する2時間持続効果と24時間再発率において、静脈内メトクロプラミドよりも優れていた。
多施設共同無作為化比較試験の結果、行動観察と仮想現実を組み合わせることで、脳卒中患者の麻痺した手の器用さが有意に向上し、介入後6ヶ月間効果が持続することが示されました。これは従来の神経リハビリテーションよりも優れた多モーダルアプローチを提供します。
大規模な後向き研究では、リモートケアを通じた個別化された炭水化物制限が、2型糖尿病と肥満を持つ患者におけるMASHおよび進行性肝合併症の発症率を通常のケアと比較して著しく低下させることを示しています。
大規模多施設RCTでは、AI支援による胃新生物検出の病理学的に確認された検出率に有意な改善は見られなかったが、手技の盲点の大幅な減少と、経験の浅い内視鏡医にとっての利点が示されました。
このレビューでは、10年間の心不全リスクを予測する12誘導心電図波形を使用して、標準的な臨床スコアを上回る公開AIツールであるECG2HFモデルを評価します。
このレビューでは、クロスモーダルイメージングが96％以上の精度で皮膚組織学的特徴を特定し、従来の生検に代わる安全で効果的な非侵襲的な代替手段であることを示す重要な研究を評価します。
JAMAオphthalmology誌に掲載された多施設研究で、ドメインシフト技術を使用した深層学習モデルが、異なるOCTハードウェアベンダー間で網膜黄斑病変を正確に検出し、高陰性予測値を達成し、さまざまな臨床環境での堅牢なトリアージシステムを確立することを紹介しています。
MASAI試験は、AI支援のマンモグラフィー検診が標準的な二重読影と比較して感度が高く、間隔癌率が非劣性であることを示しています。また、特異性を維持しながら放射線技師の作業負荷を大幅に軽減することが確認されました。
TRICORDER試験は、AIステトスコープが心不全、心房細動、弁膜症を検出できる能力があることを示していますが、英国のプライマリケアにおける実際の導入では、12ヶ月間で新たな診断の統計的に有意な増加は見られませんでした。
多施設共同ランダム化比較試験（RCT）の結果、最大2800kmの距離を隔てたロボット支援遠隔手術が現地手術と同等の成功率、低遅延、同等の安全性プロファイルを維持することが示されました。
30人の眼科医と研修医を対象としたクロスオーバー研究では、Claude-3.5-Sonnetとの協力が複雑な症例の診断精度を改善する一方で、誤った決定に対する信頼性を高め、AI単独の性能には及ばないことが明らかになった。
本レビューでは、AI病理モデルがEGFR変異を予測する一般化可能性を評価し、遺伝的系統や検体タイプによる性能の著しい変動とその臨床的トリアージでの役割を強調しています。
この多施設研究では、組織病理学スライドから分子特徴を推定することで中枢神経系（CNS）腫瘍の種類を予測する深層学習システムNeuropath-AIを検証しています。信頼性の高いサンプルでのトップ1精度が80％に達し、神経腫瘍学における診断精度向上のための拡張可能なツールを提供しています。
単施設研究では、CTに基づくリンパ節セグメンテーションと節外浸潤分類のためのAIパイプラインが、伝統的な放射線学的評価に比べて、HPV陽性の咽頭癌の予後予測の正確性を大幅に向上させ、高リスク患者をより効果的に特定することが示されました。
NEJM AIに掲載された縦断研究では、7つの生成AIチャットボットをアルコール依存症の支援に評価し、共感と非批判的な言葉遣いに優れている一方で、しばしば低品質または不正確な医療情報を提供することから、臨床応用における重要な安全性の問題が浮き彫りになりました。
研究者たちは、日常の脳波（EEG）を解析して2年間の発作リスクを予測する深層生存モデルEEGSurvNetを開発しました。臨床モデルを上回る性能を示し、2ヶ月時点でAUC 0.80を達成。また、臨床的に正常と判断された脳波でも高い効果を発揮しました。
言語別の専門フィードと診療科ページを開けます。