64 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。
本論文は、限られた被験者数での前向きコホート研究において、自己教師あり拡散学習を用いた動画エンコーダ（VDE）を開発し、B モード超音波動画から僧帽筋の筋筋膜性疼痛を高精度に検出できることを実証したものである。
本研究は、7 万 8 千枚以上の脳スキャンデータを用いて「スペクトル規範モデリング（SNM）」を開発し、従来の計算制約や固定パラセレーションに依存しない高解像度の脳構造規範モデルを構築することで、個人差の精密な評価やアルツハイマー病における神経変性の個別化解析を可能にした。
本研究は、UK バイオバンクの MRI データを用いて大臀筋の 3 次元形状解析を行うことで、従来の筋肉量や脂肪率では捉えられない部位ごとの形態変化が、特に性別による差を伴いながら 2 型糖尿病などの代謝異常と密接に関連していることを明らかにし、より精密なリスク層別化を可能にする新たなバイオマーカーを提示した。
この論文は、グラデーション加重クラス活性化マッピング（Grad-CAM）を用いて胸部 X 線画像から結核を検出するディープラーニングシステムを開発し、その高い分類精度と解釈可能性をdesktopおよびモバイル環境でのオフライン展開を通じて実証したものである。
本論文は、2024 年および 2025 年の FDA 承認放射線 AI 機器の公開データを用いて、疾患有病率の影響により感度や特異度が高くても陽性予測値が低下する「偽陽性の逆説」を明らかにし、臨床現場での適切な意思決定のために偽発見率や偽見逃し率の透明性ある開示を推奨しています。
脳 MRI 基礎モデルの埋め込み表現のクロススキャナー信頼性を評価した本研究では、生物学的メタデータを対照的学習に組み込んだモデルが FreeSurfer と同等の高い信頼性を示した一方、純粋な自己教師あり学習モデルはスキャナーに依存する傾向が強く、信頼性を決定する最も重要な要因はアーキテクチャやデータ規模ではなく事前学習戦略であることが明らかになりました。
南アフリカ東ケープ州の tertiary 病院で行われた小児 CT スキャンの放射線線量と適応に関する 3 年間の調査により、同病院の線量は国際基準と合致していることが確認された一方、夜間帯の線量がやや高い傾向にあったため、全スタッフへの標準化されたトレーニングの強化が推奨されました。
本研究は、医療画像合成の品質を評価するために、専門家の視覚的評価と説明可能な自動指標を組み合わせ、アンサンブル回帰モデルが臨床的に意味のある品質管理を可能にすることを示しました。
複数のデータセットを用いた検証研究により、胸部 X 線 AI の性能格差は性別や年齢といった人口統計学的要因よりも、被写体投影法（AP 法と PA 法）といった技術的取得パラメータが支配的に影響していることが明らかになり、規制当局は公平性評価において人口統計学的分析と並んで取得パラメータの監査を義務付けるべきであるという提言がなされました。
本研究は、多モーダル MRI 解析により、第二言語（L2）への能動的な没入経験が脳脊髄液の排出を担うグリンパティック系の機能を最適化し、脳-CSF 協調性の向上や脈絡叢構造の改善を通じて神経保護効果をもたらす可能性を初めて示唆した。