中国3施設の脊椎画像レポート2万277件でGPT-4oなど4種のLLMの診断性能を比較したという論文。
- 中国の教学病院3施設の脊椎画像レポート20,277件を対象に、GPT-4o、Claude-4、Qwen-3 Max、DeepSeek-V3.1の4LLMを9部位で比較した
- 特異度は90%超、陰性的中率は96%超だったが、低頻度疾患では適合率が19〜42ポイント低下した
- 施設間の再現率のばらつきは0.7〜5.0%と安定していたが、まれな疾患での精度低下という長い裾の課題が残った
出典：★NPJ Digit Med ／ Multicenter evaluation of four large language models for automated spine imaging diagnosis.
サトシ4社のLLMを本気で比較した論文は貴重だ。まれな疾患で精度が落ちる点は臨床導入の壁になる
NSCLC患者2,396人を対象に説明可能AIによる免疫療法選択支援ツールの臨床有用性を検証したという論文。
- 国際多施設のI3LUNG研究としてNSCLC患者2,396人の血液検査・CT・病理・ゲノムを統合したAIモデルを開発した
- 血液検査データのみのモデルはAUC最大0.77で、PD-L1やECOG PSなど既存指標を有意に上回った
- 説明可能AIツールの利用で専門医・非専門医とも予測精度が向上したが、多モーダル統合の上乗せ効果は検証・外部検証で確認できなかった
出典：Nat Med ／ Clinical usability of an explainable AI decision support tool and evaluation of multimodal models in NSCLC.
サトシ 大規模国際研究でAIが既存の臨床指標を上回ったのは大きい。多モーダル化の効果が確認できなかった点も正直に読める
26,479件の入院で1,140万件のバイタル測定値を分析し、EHR反映の遅延と看護シフトの関連を検証したという論文。
- 26,479件の入院における1,140万件のバイタルサイン測定値を対象に、測定からEHR反映までの遅延を施設横断で分析した
- 反映までの中央値は12〜25分で、異常値でも3分の1が1時間以上遅延し、遅延は看護のシフト交代前に集中していた
- デバイスとEHRが連携済みの環境でも遅延は生じており、技術的な問題より人員配置の運用が主要因と結論づけた
出典：Npj Health Syst ／ Delayed EHR availability of vital signs is associated with nursing shift structure.
サトシ システムが繋がっていても人の動きがボトルネックになるという話です。多くの外来で似たことが起きていそうです。
ノルウェーの救急通報2,627件で通話内容とカルテ情報を統合したAIによる脳卒中判定モデルを検証したという論文。
- ベルゲンの救急指令センターの通報2,627件を対象に、通話の音声書き起こしと診療記録を統合したAIモデルを後ろ向きに検証した
- 脳卒中クラスのF1スコアは0.77で、オペレーター単独の基準0.73を上回り、AUCは0.86だった
- 通報30秒時点ではF1が0.68にとどまり、性能が安定するまで約90秒を要した。実装には大規模データでの外部検証が必要とした
出典：Int J Med Inform ／ Multimodal artificial intelligence-based decision support for stroke classification in medical emergency calls using call transcripts and patient health records: A retrospective diagnostic accuracy study.
サトシ 電話の音声だけで脳卒中を疑うのは相当難しい。数字で人間を上回ったのは面白いが、90秒待てるかは現場次第だ
局所進行NSCLC患者227人のカルテをNLPで解析し、放射線肺臓炎の予測モデルを開発したという論文。
- 米国の高volume施設で化学放射線療法を受けた局所進行NSCLC患者227人を対象に、10万件超のカルテから16症状の時系列をNLPで抽出した
- NLP由来の症状データを加えたモデルのAUCは0.759で、線量データのみ（0.613）や臨床変数のみ（0.635）を上回った
- 放射線肺臓炎の発生は31件のみで単施設の後ろ向き解析にとどまり、前向きの外部検証が今後必要とされた
出典：EClinicalMedicine ／ Natural language processing-based model to predict radiation pneumonitis in patients with locally advanced non-small cell lung cancer undergoing chemoradiotherapy: a retrospective cohort study.
サトシ カルテの『咳が続く』のような記述をちゃんと拾えると聞くと、日々の記録も無駄じゃないなと思います
続発性副甲状腺機能亢進症の術後再発を予測する機械学習モデルとオンライン計算ツールを2施設で検証したという論文。
- 副甲状腺全摘術を受けた続発性副甲状腺機能亢進症の患者391人を2施設のコホートで訓練・内部検証・外部検証に分けて解析した
- ランダムフォレストモデルのAUCは内部検証0.890、外部検証0.889で、術後1・3か月時点のiPTHが最重要な予測因子だった
- 対象は透析患者を中心とした腎性副甲状腺機能亢進症で、術式や地域が限られた2施設のデータにとどまる
出典：Int J Med Inform ／ A machine learning prediction model and online calculator for postoperative recurrence of secondary hyperparathyroidism: A dual-center development and validation study.
サトシ 腎臓内科ではお馴染みの続発性副甲状腺機能亢進症。オンライン計算機まで作って外部検証したのは実務的だ
医師向けエビデンス検索AI「Evidence Finder」がSakana AIの国産LLMを採用したという発表。
- アイリスは医師向けエビデンス検索ツール「Evidence Finder」に、Sakana AIのアルゴリズムを組み合わせて実装する
- 同モデルで2026年2月の第120回医師国家試験を解かせたところ482点（500点満点、正解率96.4%）を記録したとしている
- 画像問題には対応せずテキスト質問のみが対象で、製品版に課している画像拒否などの制約を外した状態での評価としている
出典：アイリス株式会社 ／ 医療AIのアイリス、医師向け生成AIツール「Evidence Finder」にて、Sakana AI社の日本語特化LLMを導入
サトシ ソブリンAI推しの文脈はあるが、96.4%という数字自体は素直にすごい。自社発表の最高得点という点は割り引いて見る
BI-RADS第5版の教育問題49問で推論型LLMと通常型LLMの回答精度を比較したという論文。
- 乳房画像の専門医3人が、ChatGPT-o1とDeepSeek-R1の推論型2モデル、GPT-4oなど通常型6モデルの回答を5段階で評価した
- 推論型モデルの中央値は3.7点で通常型の2.7点を有意に上回った（P<0.001）が、複合的な臨床シナリオでは両者とも点数が下がった
- 通常型モデルの一部は問題文が英語か中国語かで成績が変わったが、推論型2モデルでは言語による差はなかった
出典：Front Med (Lausanne) ／ Reasoning vs. conventional large language models for BI-RADS educational questions answering: a multi-model comparative evaluation.
サトシ 教育目的の問題への回答比較なので、そのまま実臨床の読影精度とはまだ言えません。ただ推論型の伸びは気になります
GPT-4.1やClaudeなどを組み合わせたエージェント型AIで乳がんの文献レビューを自動化し検証したという論文。
- 乳がん・肺がん・前立腺がんの臨床試験抄録29,236件で人が作成した1,997件の注釈と照合し、エージェント型AIの精度を検証した
- 文献レビューの一致率は95.1〜97.2%、項目抽出の精度は51.1〜99.4%で、既存のAIチャットボット4種より包括的だった
- 医師の診療ワークフローや意思決定への実際の影響は今後の検証課題として残された
出典：ESMO Real World Data Digit Oncol ／ Development and validation of a human-supervised AI-augmented living oncology evidence platform: a breast cancer pilot study.
サトシ 文献レビューをAIに任せる発想はいい。ただ抽出精度が項目によって51%まで落ちる点は、まだ人のチェックが要る証拠だ
肺移植待機患者の不安に寄り添うAIピアサポーターを開発し、満足度検証の試験利用を始めるという発表。
- 岡山大学は肺移植の待機患者向けに、傾聴と共感に特化したAIピアサポーターを開発し、移植外科医や肺移植チームが評価に参加した
- 日本の肺移植の待機期間は平均900日超とされ、医学的な情報提供は行わず対話に特化した設計とした
- 岡山大学病院の患者を対象に、満足度やQOL評価の実行可能性を検証する試験利用を今後始めるとしている
出典：国立大学法人岡山大学 ／ 【岡山大学】「いつ来るか分からない連絡」を待つ日々に安心を－肺移植待機患者さんの不安に24時間寄り添う対話AIを開発－
サトシ 医学的な助言はせず傾聴に徹すると割り切った設計は好感が持てます。待ち時間が長い疾患には他にも応用できそうです