193 件の論文
この論文は、臨床知識と統計に基づいて特徴量を大幅に削減した放射線オミクスデータを用いて、非小細胞肺癌の抗 PD-1 治療反応を予測するフォトニック量子機械学習アーキテクチャを多施設で検証し、外部データセットにおいて古典的モデルを上回る、あるいは同等の性能を示してその臨床的有用性を初めて実証したものである。
エチオピアのアルシ地域で収集されたデータを用いて、多様なリスク因子に基づき、ランダムフォレストによる特徴量選定とマルチシードアンサンブル手法を組み合わせることで、エジファゲス癌の早期検出と分類において極めて高い精度（98.3%）と感度（100%）を達成した機械学習フレームワークを提案する研究です。
本研究は、皮膚病変の画像データと患者の臨床メタデータを統合するマルチモーダル深層学習フレームワークを開発し、従来の融合手法よりも患者の文脈を効果的に捉えるクロスアテンション機構を用いることで、皮膚病変の自動診断精度と較正性を向上させることを示しました。
この研究は、人工知能を活用した体験ベースの共同デザイン手法を用いて、糖尿病の苦痛に対処するためのバーチャルリアリティ型マインドフルネスアプリの共同設計を行い、その feasibility を検証したものである。
ドイツの LURIC コホート研究を用いた本論文は、最適化されたFew-shot プロンプティングや微調整を施した医療特化型大規模言語モデル（MedLLM）が、従来の回帰モデルや既存の心血管リスク予測手法と競合する性能（1 年全死因死亡率予測で最大 85% の AUROC）を達成し、さらにプラットスケーリングによる較正で過大評価を大幅に改善できることを実証しています。
オハイオ州のデータを用いた検証により、住所タグの曖昧一致がparcelレベルの環境曝露評価において最も精度が高く、地理的マッチング、特に街区範囲ベースの手法は集約度や社会的剥奪度の高い地域で誤分類リスクが高まるため、臨床および公衆衛生研究には正確で標準化されたリンク手法の必要性が示されました。
本論文は、各クライアントが極めて少ないデータ（場合によっては 1 件）しか保有しない医療分野のクロスデバイス環境において、クライアント間の通信を不要としつつ個別データを秘匿したまま勾配集約を可能にする、秘密共有とコミットメントに基づく匿名集約を採用した新しい連合学習システム「PrivateBoost」を提案し、UCI 医療データセットを用いた評価で中央集約型 XGBoost と同等の高い性能と高いドロップアウト耐性を示したことを述べています。
MIMIC-III および eICU-CRD データベースを用いた敗血症の自動検出に関するシステマティックレビューにより、同一データセットであっても実装方法の多様性により検出率が大きく変動することが明らかとなり、研究の再現性向上のためには手法の標準化とソースコードの公開が不可欠であると結論付けられています。
この論文は、AIS 2015 のコードデータを用いて、致死性（AIS-CD）と長期的な後遺症（pFCI）の両方を統合的に評価し、EU の RAPEX における危害（HARM）レベルを算出する新たなポスト処理手法を開発したことを報告しています。
本論文は、プライバシーを保護しつつエコーノートの構造化を可能にする AI パイプラインを開発し、そこから得られた心エコー所見を ICU 患者の死亡率予測モデルに組み込むことで、従来の APACHE IV スコアよりも高い予測精度（AUC 0.902）を達成したことを報告しています。
本論文は、肺炎や乳がんなどの医療画像分類タスクにおいて、従来の CNN や ViT に比べ、カプセルネットワーク（CapsNet）が敵対的摂動に対して本質的に高い頑健性を示し、臨床応用における信頼性の高い代替モデルとなり得ることを実証した。
英国バイオバンクの約 22 万人の男性データを用いた本研究は、モザイク Y 染色体喪失（mLOY）の測定手法（強度ベース対位相ベース）によって、その加齢に伴う蓄積パターンや死亡リスクの閾値、および有病率の推定値が著しく変化することを明らかにしました。
この論文は、GDPR の削除要請に対応する機械学習の「機械的忘却」手法として、全再学習に比べて計算コストを大幅に削減しつつ臨床精度を維持する「SISA」トレーニングが、抗菌薬耐性予測モデルにおいて有効であることを示しています。
オncology 試験の適格基準分類において、要約のみを入力とする場合と比較して、完全な本文を入力として GPT-5 に適用した方が、追加的なノイズにもかかわらず分類精度が統計的に有意に向上することが示されました。
この論文は、大規模言語モデル（LLM）を活用して CDISC SDTM 形式の臨床試験データを自動調和し、自然言語によるクエリを可能にするフレームワークを提案し、二次分析における手作業の削減と仮説生成の加速を実現することを示しています。
この論文は、大規模調査の項目説明のみを入力として利用する指示調整済み大規模言語モデル（LLM）が、思春期の電子タバコ使用の予測因子を特定し、生データへのアクセスなしに高い予測精度を達成できることを実証したものである。
この論文は、All of Us のデータを用いて臨床・遺伝子・社会経済的要素を統合した多モーダル生存モデルを開発し、慢性 C 型肝炎患者における肝硬変、肝細胞癌、および全死亡のリスク層別化を従来法よりも精度よく行う可能性を示したものである。
N3C コホートの 26 万 3 千例以上のデータを用いた機械学習分析により、構造化された電子カルテデータは入院中の COVID-19 患者の死亡リスク予測には中程度の有用性を示すが、入院期間の予測には不十分であり、不均衡データ処理における識別力と較正性のトレードオフが臨床応用上の重要な課題であることが示されました。
この論文は、大規模言語モデル（LLM）とファインチューニングされた臨床モデルを組み合わせることで、電子カルテの非構造化テキストから自己免疫性リウマチ性疾患患者のカンナビス使用状況とその理由を高精度に抽出・分析する手法の有効性を示したベンチマーク研究です。
このコホート研究は、同期型テレヘルスと非同期型アプリ（mindLAMP）を統合した「デジタルクリニック」という新たなハイブリッドケアモデルが、妊娠中および産後の女性のうつ病と不安症状を有意に軽減し、アクセスしやすい効果的な治療法として有望であることを示しています。