193 件の論文
バージニア州とワシントン州のメディケイド患者データを用いた研究により、ナッシュ交渉理論に基づくマルチエージェント言語モデルが、単一モデルと比較してケアプランの安全性と効率性を向上させたものの、公平性の向上には明示的な設計方針が必要であることが示されました。
AutoscriberValidate 研究は、環境型デジタルスクリプト「Autoscriber」の使用が、医療従事者の入力作業負担を軽減し、電子カルテの記録品質を向上させることを示しました。
この論文は、医療画像に埋め込まれた OCR 読解可能なテキストが人間の目には見えない場合でも視覚情報を上書きして判断を支配し、プロンプト防御では不十分なため、臨床導入にはシステムレベルの厳格な安全対策が不可欠であることを示しています。
ヨルダンの医療現場における患者の AI 受容性を調査した本研究は、患者が AI を医師の補助として期待しつつも、透明性やプライバシーへの懸念、および教育水準やデジタルスキルが受容意欲に影響を与えることを明らかにし、実装には人間中心のアプローチとデジタルリテラシーの向上が不可欠であると結論づけています。
この研究は、ネパールの結核発生率を予測するために、線形季節性を捉える SARIMA モデルと非線形パターンを検出する CNNAR モデルを融合させたハイブリッドモデルを開発・検証し、従来の単独モデルや最先端の機械学習手法を上回る高い精度で 2025 年の季節的ピークを予測できることを示しました。
MedOS は、抽象的な臨床推論と物理的介入を統合する双システムアーキテクチャを備えた汎用具象化世界モデルであり、高度な推論能力と物理的予測を通じて医療専門知識の民主化と医師間の性能格差の縮小を実現します。
この論文は、人間の手を介さずに大規模言語モデル（LLM）を用いてシステマティック・レビューを完全自動生成するパイプラインの技術的実現可能性と限界を明らかにし、AI 生成コンテンツの質が人間の執筆を上回る可能性を示しつつも、その検証基準や学術出版における透明性のある統合枠組みの確立を緊急に求めている。
本論文は、縦断的医療調査データにおける自己申告の発症年齢の不一致に対処するため、参加者レベルの信頼性スコアに基づく層別化手法と、潜在真の発症年齢を推定するベイズ調整手法の 2 つを提案し、カナダの CanPath 調査データを用いた検証において、これらが生物学的に関連する疾患間の相関を強化し、予測性能や疾患クラスタリングの解釈性を向上させることを示しています。
本論文は、2015 年から 2025 年にかけての 84 種類の難聴管理アプリに関する 34 万超のレビューをグラフニューラルネットワークを用いて分析し、音響療法や睡眠サポートには肯定的な評価が寄せられる一方、価格や広告、技術的安定性には否定的な意見が多いことを明らかにし、開発者や臨床医への実用的な指針を提供したものである。
この論文は、外来医療従事者の認知タスク負荷を軽減する目的で、Epic の生成 AI によるチャット要約ツールの効果を評価するための、2 群並行ランダム化対照試験のプロトコルを提示しています。
本論文は、米国における臨床家が環境型 AI によって作成された診療記録を編集する主な理由（臨床的正確性の向上、法的リスクの軽減、請求基準への適合など）と、その背景にある AI の限界を明らかにし、AI 技術の改善にはベンダー、医療機関、臨床家の連携によるモデルの信頼性向上やカスタマイズ、EHR 統合の強化が不可欠であると結論付けています。
この論文は、自律型 AI エージェントを用いて大規模な EHR 基盤の試験模倣を行い、ベイズ階層モデルで RCT 結果との乖離を学習・補正することで、医療システム固有の薬剤効果をスケールして正確に推定する手法を提案し、その有効性を示したものである。
本研究は、限られたデータ条件下で組織病理画像の分類を安定かつ解釈可能に行うため、肺換気と心臓灌流の相互作用を模倣した生理学的なアーキテクチャ「CardioPulmoNet」を提案し、その有効性を複数の疾患データセットで実証した。
この論文は、XGBoost 機械学習アルゴリズムと SHAP による解釈可能性を組み合わせ、臨床パラメータを用いて非アルコール性脂肪性肝疾患（NAFLD）およびその関連合併症を非侵襲的かつ低コストで早期に検出・予測する新しい AI 駆動型アプローチを提案し、その有効性と臨床応用の可能性を示したものである。
大規模言語モデル（LLM）を活用した「otto-SR」というワークフローは、システマティックレビューの最も時間のかかる作業（論文選別、データ抽出、バイアス評価）を人間よりも高精度かつ迅速に自動化し、既存レビューの迅速な更新や新たな統計的有意性の発見を可能にすることが実証されました。
Reddit の投稿分析により、自然環境が若者の社会不安を軽減する可能性を示す一方で、他者からの評価を恐れる症状により逆に不安を誘発する場合もあることが明らかになり、既存治療を補完する自然ベースのアプローチには、社会不安特有の課題への配慮が必要であることが示唆されました。
この研究は、ウェアラブル・アイトラッキングと事後の思考発話法を用いて、プライマリケア医が電子カルテ内の自殺スクリーニング情報を処理する際の視覚的注意と認知的負荷を分析し、電子カルテの存在が臨床的注意や診療の流れにどのように影響するかを明らかにした探索的調査です。
この論文は、小児集中治療室における急性脳機能障害の予測において、臨床医の専門知識と因果構造学習を統合することで、予測性能を大幅に損なうことなく、説明可能で簡素なモデルを構築できることを示しています。
この論文は、緊急外来のトリアージにおいて、臨床家の意思決定を支援し、説明可能性と人間の監督を維持しながら、多エージェント AI フレームワーク「ED-Triage-Agent」を用いて患者の重症度分類（ESI）を改善する新しいアプローチを提案しています。
高齢者介護施設における治療用 AI の安全性を確保するため、危機検知と出力検証を強制する 5 層の決定論的パイプライン「Lilo Engine」を設計・評価し、危機の検出率 100% と極めて低い誤検知率を達成したことを報告する論文です。