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、多施設にわたる大規模な胸部 X 線画像を用いた研究において、16 ビットから 8 ビットへの画素深度の低下が深層学習モデルの性能に統計的に有意な影響を与えないことを示し、医療画像解析における 8 ビット変換の安全性とデータ処理効率化の可能性を明らかにしたものである。
本論文は、医用基盤セグメンテーションモデル（MedSAM2）から抽出したマスク対応のメモリ埋め込みを用いて多発性骨髄腫患者の FDG-PET/CT 画像を解析し、臨床データと融合させることで、従来の放射線学的手法や臨床データ単独よりも優れた無増悪生存期間の予後予測を実現することを示しています。
この研究は、放射線治療計画用のMRIシミュレーションにおいて患者位置決めのために使用される外部レーザー位置決めシステム（ELPS）の作動が、特に内蔵ボディコイルを用いた場合、画像の信号対雑音比（SNR）を大幅に低下させ、幾何学的歪みの検出精度や画像均一性を悪化させるが、T1、T2、ADC、PDFF、R2*といった定量的MRI値そのものには大きな影響を与えないことを明らかにした。
Hold-Optimized Elastography（HOE）法は、従来の超音波プローブ操作による圧力変動を排除し、浮腫のある患肢で「高速度領域（HVA）」を可視化することで、乳癌関連リンパ浮腫の非侵襲的かつリアルタイムな検出と経過観察を可能にする新たなアプローチとして有望であるが、感度や特異性のバランスをさらに改善するための技術的改良が必要である。
本論文は、胸部 X 線 AI における NLP 自動ラベルと専門医ラベルの乖離（NLP-to-Expert Gap）を特定し、過学習を防ぐための早期停止、ImageNet 特徴量の有効性、および正則化手法の活用を通じて、専門医の診断精度を大幅に向上させる解決策を提示しています。
本論文は、専門家のアノテーションが限られた乳がん検診画像において、EfficientNet などの CNN アーキテクチャにマルチビュー自己教師あり学習とハイブリッド損失関数を組み合わせ、フル微調整を行うことが、精度と計算効率の面で最も優れたアプローチであることを示しています。
この研究は、大規模コホートデータを用いて白質高信号（WMH）の空間的サブタイプを特定し、それらが血管リスク因子と強く関連していること、および総病変量よりも空間的分布を含むモデルが将来の病変進行をより正確に予測できることを示しました。
この研究は、AI による肝臓セグメンテーションにおいて、大規模な混合キュレーションデータセットと小規模な高品質キュレーションデータセットが 3D 評価指標では同等の性能を示す一方で、一般化能力や局所的な改善においては大規模データの利点が認められ、データセットの品質と量のトレードオフは目的に応じて最適解が異なることを示しています。
本システマティックレビューは、小児脳腫瘍手術における代謝物に基づく精密手術、蛍光ガイド手術、および人工知能の統合の現状を評価し、小児特有の代謝プラットフォームの確立や発達段階に応じたプロトコル最適化などの課題を指摘するとともに、これらの多モーダルアプローチの将来の発展を提言している。
本論文は、HieraエンコーダとUNETRに着想を得たデコーダを通じて3D脳MRIデータに適応する、SAM2フレームワークに基づいた特化したモデルであるBrain-SAMを紹介し、様々な脳病変のセグメンテーションにおいてnnU-Netのような最先端の手法と比較して優れた性能を達成している。