193 件の論文
本論文は、頚椎症性脊髄症の患者と医療従事者へのインタビューを通じて、現状の評価ツールの限界を指摘し、スマートフォンを用いたモバイルヘルス技術の導入が客観的かつ経時的なモニタリングに有望である一方、直感的な設計や電子カルテとの連携など実用的な課題への対応が重要であると結論づけた質的研究である。
本論文は、MRI 画像と臨床テキストデータを Vision Transformer とドメイン適応型言語モデルで統合し、交差モダリティ注意機構を介して融合させることで、甲状腺がんの術前診断精度を向上させる深層学習フレームワークを提案したものである。
All of Us 研究プログラムの Fitbit データを用いた大規模分析により、ウェアラブルデバイスの装着時間が人口統計や健康状態によって偏り、既存の基準が疾患集団のデータを不当に除外するバイアスを生むことを明らかにし、健康の公平性を高めるための柔軟な方法論的枠組みを提案しています。
英国の1900 万人以上の成人の電子健康記録を用いて開発された CHARIOT モデルは、生存分析と因果推論を組み合わせることで、スタチンや降圧剤の投与、禁煙、生活習慣の改善といった具体的な介入が 10 年間の心血管疾患リスクをどの程度低下させるかを予測し、個人化された予防医療を可能にする画期的なツールである。
この研究は、医療従事者が環境型 AI 書記ツールの導入から 150 日間にわたり徐々に適応する過程を明らかにし、その結果として文書作成時間の削減や生産性の向上などの効果が時間とともに増大・持続することを示しています。
この論文は、欠測データの欠如を単なる統計的ノイズではなく構造的な欠損として検出・分類するために、トポロジカルデータ解析、時系列分類、および因果推論を組み合わせた「TDA Engine v2.1」という計算フレームワークを提案し、その有効性を実証したものである。
本論文は、モデルパラメータを固定した条件下で、臨床分類タスクにおけるマルチエージェントプロトコルの役割構造（汎用審議型と特徴専門型）を制御変数として検討し、役割の分解がモデルのパラメータ変更なしに誤り分布や感度・特異性のトレードオフを体系的に変化させる構造的な帰納バイアスとして機能することを示しました。
本論文は、医療 AI の安全性を評価するための体系的な攻撃分類と評価フレームワークを開発し、標準的なガードレールが教育目的を装った権威偽装攻撃には脆弱であることを明らかにした。
大規模言語モデルは医療応用で高い性能を示すものの、ヒト表現型オントロジーに基づく評価により、概念の同一性や階層性は理解できても意味の理解が不十分であり、概念理解が断片的であることが明らかになった。
本論文は、NIH の AI-READI データセットにおけるラベル誤分類を XGBoost による反復的クリーニングと臨床レビューで修正し、修正済みデータを用いた Conv+BiLSTM 深層学習モデルにより、連続血糖モニタリングデータから前糖尿病状態を高精度（ROC-AUC 約 0.932）に検出する新たな診断フレームワークを提案しています。
この研究は、手術後の合併症や死亡率を予測する機械学習モデルにおいて、クラス不均衡の補正手法を適用すると、モデルの較正性が著しく損なわれリスクを過大評価する結果となり、臨床意思決定において有害となり得ることを実証した。
この論文は、生体医学テキスト処理における大規模言語モデルの判断を検証可能にするため「根拠となる原文の提示」を強制する手法を評価し、それが信頼性の向上とカバレッジの低下というトレードオフをもたらすことを示しています。
この論文は、3,139 人のインターンから収集したウェアラブルデバイスデータと生態的瞬間評価を用いて、気分に影響を与える要因が個人間で大きく異なることを実証し、その洞察を基に大規模言語モデルを活用した「MoodDriver」という個別化フィードバックシステムを開発することで、精密なデジタルメンタルヘルスの実現可能性を示したものです。
この論文は、因果推論、解釈可能な効果ツリー、および較正評価を統合したフレームワークを提案し、統計的ノイズと実用的な臨床的知見を区別することで、周術期医療における信頼性の高い個別化治療選択を可能にすることを示しています。
この論文は、データプライバシーや再現性の観点からローカル環境にデプロイされた 200 億パラメータの LLM が、感度向上プロンプト戦略を用いてシステマティックレビューの抄録スクリーニングにおいて人間より高速に処理でき、特に技術関連トピックで有望な性能を示すことを実証したものである。
伝統的・補完的・統合的医学（TCIM）の編集者に対する調査により、AI ツールの将来性への高い期待が示される一方で、実用的・倫理的・制度的な障壁により実際の導入は限られており、責任ある活用に向けたガイドラインや教育の整備が急務であることが明らかになりました。
本論文は、イングランドの ECHILD データベースを用いて、2005 年から 2021 年にかけての孤児の難民（UASC）の社会保護・教育・医療データ間のリンク率を分析し、特に 16 歳未満の就学率が高いことなど、人口統計学的要因や保護の形態による格差を明らかにするとともに、これらのデータリンクに基づいた UASC の教育および健康アウトカムに関する将来の研究の基盤を確立したものである。
本論文は、大規模なリアルワールドデータから臨床試験設計を支援する実世界エビデンスを導出するために、異なる役割を持つエージェント間の対話と分析を通じてプロトコルを自律的に洗練させる新たなエージェントフレームワーク「EmulatRx」を提案し、急性および慢性疾患のデータを用いた検証を通じてその有効性を示したものである。
この論文は、データ不足とスタイルの多様性という課題に対処するため、プロンプト条件付き生成モデルと決定論的変換を組み合わせたクロスデータセット拡張フレームワークを提案し、感情強度分類の精度向上と転移学習の強化を実証的に検証したものである。
この論文は、All of Us 研究プログラムから得られた大規模な Fitbit データを、睡眠調節の二過程モデル（概日リズムとホメオスタシス）に基づいて解釈可能なスコアに変換し、うつ病などの健康状態との関連性を解明する新たな枠組みを提案したものである。