97 件の論文
放射線診断や画像診断の分野は、体内の不可視な部分を可視化し、病気の早期発見と正確な診断を支える医学の重要な柱です。このカテゴリーでは、X 線、CT、MRI、超音波など多様なイメージング技術を用いた研究が取り上げられています。
Gist.Science では、medRxiv から公開されるこの分野のすべての最新プレプリントを収集し、専門用語を噛み砕いた平易な解説と、技術的な詳細を網羅した要約の両方を提供しています。これにより、医療従事者から一般の方まで、最新の科学的知見をすばやく理解できるよう努めています。
以下に、medRxiv から取り上げられた最新の研究論文一覧をご紹介します。
この回顧的研究は、様々な大規模言語モデル、特にGPT-5が、肺がん検診のCTレポートにおける特定の偶発的所見のラベル付けにおいて、放射線科医と実質的またはほぼ完全な一致を達成できることを示しているが、単一のモデルとプロンプトの組み合わせがすべての所見タイプにわたって最適であることは証明されなかった。
この縦断的研究は、多発性硬化症の診断後1年以内にMTsatによって測定される、正常に見える白質および病変を有する白質における早期かつ進行的な脱髄が、その後の障害進行と独立して関連していることを示しており、従来の炎症性MRIマーカーでは捉えきれない重要な初期治療ウィンドウの存在を示唆している。
複数のディープラーニング・アーキテクチャが口腔内超音波検査において同様に高いベースライン識別能を達成している一方で、それらは合成的な遮蔽下において劇的に異なり、しばしば信頼性の低い挙動を示し、特にEfficientNet-B0は他のモデルと比較して深刻な性能崩壊、過剰な自信、および低い再現性を示す。
本研究は、Prevent-ADデータセットを用いてfMRI基盤モデルであるBrainLMとBrainHarmonixを評価し、言語や視覚の領域とは異なり、これらは臨床予測タスクにおいて単純なベースラインを上回ることができず、さらに実用的な採用を妨げるほどの多大なコードの適応を必要とすることが現在のところ判明した。
本研究は、深層学習フレームワークであるVoxelMapが、変形可能なファントムを用いて臨床用Cアームシステム上の2D透視投影から呼吸運動の正確かつリアルタイムな3Dボリューム画像を生成できること、およびモデルの不確実性が予測精度の信頼できる指標となることを示している。
本論文は、低酸素状態によって駆動されるBOLD MRI応答を、明確な時間成分と振幅成分へと分解するための新しいボクセル単位のフレームワークであるGLIODISSECTを紹介し、健常対照群および膠芽腫患者において、単一の振幅要約よりも優れた記述能力を有することを示し、その実現可能性を実証するものである。
本研究は、ディープラーニングモデル、特にEVIT U-Netが、小児外傷超音波における主要な腹部臓器を、高い精度と専門家によって検証された許容可能性をもって効果的かつ迅速に自動セグメンテーションできることを示しており、それによって手動セグメンテーションのボトルネックを克服し、大規模なデータセット開発を加速させるものである。
本研究は、最適化された撮像戦略（強力な背景抑制、水励起）を、新規の正則化モーション補償再構成と組み合わせることで、動きによる劣化を効果的に軽減し、3Tにおいて堅牢かつ高解像度（2.0 mm等方性）な3D-GRASE pCASL灌流イメージングを可能にすることを実証している。
本研究は、左葉拡散強調画像における心拍動アーチファクトによる信号消失が肝硬度と負の相関関係にあることを示しており、これが肝硬変性肝臓と非硬変性肝臓を正確に識別できる簡便かつ内在的なマーカーであることを立証している。
本研究では、7T短エコー時間1H-MRSおよびOPLS-DA分類を活用してアルツハイマー病の連続的なプロファイルを特徴付け、ミオイノシトールやアスコルビン酸、および特定の高分子成分といった主要な代謝物を特定することにより、アルツハイマー病を健常対照群から高い精度で判別することに成功した。