医療分野において、画像データの分析は複雑で煩雑なプロセスでした。最近、ウィル・コーネル医科大学の研究者らが、時間経過による医療画像の変化を高効率かつ正確に分析・検出できる、LILAC（学習に基づく縦断的画像変化推論）と呼ばれる新しいAIシステムを開発しました。この研究は2月20日に『米国科学アカデミー紀要』に掲載され、LILACの複数の医療現場における幅広い応用可能性を示しています。従来の医療画像分析方法は、多くのカスタマイズと事前準備を必要とする場合が多々ありました。

先日、マイクロソフトリサーチはワシントン大学、スタンフォード大学、南カリフォルニア大学、カリフォルニア大学デービス校、カリフォルニア大学サンフランシスコ校の研究者らと共同で、LLaVA-Radを発表しました。これは、臨床放射線医学レポート作成の効率向上を目指した、新しい小型マルチモーダルモデル（SMM）です。このモデルの発表は、医学画像処理技術の大きな進歩を示すだけでなく、放射線医学の臨床応用にも新たな可能性をもたらします。バイオメディカル分野では、大規模基礎モデルに基づいた研究が進展しています。

百川智能は1月24日、国内初となる全シーン対応深層思考モデルであるBaichuan-M1-previewを発表しました。このモデルは、言語、ビジョン、検索推論の3つの次元で優れたパフォーマンスを発揮し、AI分野における大きなブレークスルーを象徴しています。Baichuan-M1-previewは複数の権威ある評価データセットで優れた成績を収め、特に数学的推論とコードタスクにおいては、o1-previewを含む多くの著名なモデルを上回っています。特筆すべきは、

新たな研究によると、OpenAIのo1-preview人工知能システムは、複雑な医療ケースの診断において、人間の医師を上回る可能性があることが示されました。ハーバード大学医学部とスタンフォード大学の研究チームは、o1-previewに包括的な医療診断テストを実施し、以前のバージョンと比べて大幅な進歩が見られたと報告しています。研究結果によると、o1-previewはテストされたすべての症例において、78.3％の正確な診断率を達成しました。70の特定の症例における直接比較では、システムは...

マサチューセッツ工科大学（MIT）の科学者たちは最近、Boltz-1という強力なオープンソース人工知能モデルを発表しました。このイノベーションは、生物医学研究と創薬を大幅に加速する可能性を秘めています。Boltz-1は、生物分子構造予測において、Google DeepMindのAlphaFold3と同等の高度なレベルに到達する、初の完全にオープンソースのモデルです。このモデルは、MIT Jameel機械学習ヘルスクリニックの研究チーム、主に大学院生のジェレミー・ウォルヴァンド氏とによって開発されました。

ハーバード大学医学部は、同窓生からの多額の寄付金獲得を発表しました。この寄付金は、医療人工知能人材育成の取り組みを大幅に加速させるものです。医療データ分析企業イノバロンの創設者であり、同大学卒業生のKeith R. Dunleavy氏が率いるダンリービー基金会から、革新的な医療人工知能教育プログラムの開発に600万ドルの寄付がありました。この資金は、ダンリービー臨床人工知能基金として運営され、100万ドルの即時交付金と500万ドルが含まれます。

先日、中国医学界に大きな進展がありました。臨床応用に向けた最初の眼科大規模言語モデル「伏羲慧眼」(VisionFM)が河南省鄭州市で正式に発表されました。河南省医学科学院の王寧利院長は、このモデルが眼科疾患のスクリーニングと診断能力を備えているだけでなく、疾患の進展傾向を予測することもできると説明しました。眼部写真の分析を通して、「伏羲慧眼」は人体38項目の血液生化学指標を予測することができ、「眼底写真一枚で、眼病がわかる」という目標を実現します。この大規模言語モデルは、王寧利教授率いるチームと30以上の研究機関、100名以上の…

医療技術の急速な発展に伴い、人工知能は放射線医学の診断方法を密かに変えつつあります。革新的な企業であるQure.aiはこの変革の最前線に立っており、AI技術を活用して医療サービスに新たな活力を吹き込み、診断の効率と正確性を向上させるだけでなく、医療資源不足の緩和にも期待が寄せられています。Qure.aiのAIシステムは注目すべき能力を示しています。胸部X線写真、CTスキャン、MRI画像など、大量の医療画像を短時間で分析し、結核、肺がん、脳卒中などを正確に識別できます。

百川智能と国家児童医学中心北京児童病院は戦略的提携契約を締結し、人工知能技術を活用して小児医療サービスの質と範囲を向上させることを目指します。両者の協力範囲は在宅医療、補助診断、研究開発を含み、「一大四小」のAIスマート小児健康サービス製品の提供を目指しており、包括的な小児健康大規模モデルの構築を中核としています。これには、家庭用デジタルアドバイザー、地域医療従事者向けアシスタント、専門家向け臨床研究アシスタント、慢性疾患管理ロボットが含まれます。この提携は、AI技術の活用による小児科分野における技術開発の新たな試みを象徴しており、

MedTrinity-25Mは、UCSC-VLAAチームによって公開された大規模な多モーダル医学データセットであり、2500万枚の医学画像とその詳細なアノテーションが含まれています。このデータセットは、多粒度のアノテーションを備えており、医学多モーダル大規模モデルのトレーニングをサポートします。その構築プロセスは複雑で、データ処理、メタデータ抽出、関心領域の特定、医学知識の収集を行い、大規模言語モデルを使用して詳細な説明を生成することで、データの可用性を向上させています。このデータセットは2024年7月21日に正式に公開され、事前トレーニング済みモデルも提供されています。

ChatGPTは臨床医療意思決定において71.7％の正確度を達成しました。一次医療および救急医療環境において優れた性能を示し、鑑別診断、診断検査、臨床管理タスクにおいて高い精度を実現しています。

最新の研究によると、ChatGPT-4の小児医学ケーススタディにおける正確性はわずか17％であり、一般的な医学ケーススタディの39％を下回っています。研究者は、ChatGPTが疾患間の関係を認識するのが難しいことを指摘し、モデルの正確性を向上させるために、専門的なトレーニングと正確な医学文献の提供を提案しています。100件の小児科ケーススタディのうち、正しく診断されたのはわずか17件であり、主な誤診は同一の器官系に集中していました。

深層学習を用いて、MITの研究者らは、毎年1万人以上の死亡原因となっている耐性菌に効果的に作用する新規抗生物質を発見しました。人工知能の医療分野への応用はますます注目を集めており、MITの研究は効率的で資源を有効活用した医薬品開発の枠組みを提供しています。研究者らは、スタートアップ企業であるPhare Bioと研究結果を共有し、他の細菌を死滅させる化合物を探すため、データの更なる分析を計画しています。この研究は、抗生物質開発における深層学習の応用について機械的な洞察を提供し、抗生物質耐性問題の解決に新たな道を拓きます。

最新の研究によると、ChatGPTは39個の医学的問題に対し、正確に回答できたのはわずか10個で、残りの29個は不完全または不正確な回答であったことが明らかになりました。研究者らは、ChatGPTが参考文献を捏造した事例もあったことから、その信頼性に疑問を呈しています。OpenAIは、ChatGPTの回答を専門的な医学アドバイスとして使用しないようユーザーに勧告しています。

OBIAは、301病院の937人の患者、193万枚の医学画像（9種類のモダリティ、30の解剖学的部位を網羅）を収録しています。OBIAは、画像データの匿名化、管理、品質管理を実現し、ユーザーは閲覧、検索、ダウンロードサービスを利用できます。OBIAは、国内の生物医学画像データのオープンシェアリングにおける空白を埋め、医学画像AIの発展に貢献します。

世界中で乳がん患者が増加しており、早期発見が極めて重要です。英国ノッティンガム大学が行った研究では、AIと医師による乳房X線画像の読影精度を比較しました。商用AIであるLunitは、人間の医師と同等の性能を示し、臨床医療に新たな可能性をもたらしました。乳がんの発症率は高いですが、早期介入によって生存率を向上させることができます。AIによる乳房X線画像スクリーニングの結果は、医療分野におけるAIの有効性を強く示唆しています。

1. ChatGPTは泌尿器科に関する問題において不正確な回答を示し、誤った治療法を提案することがあります。 2. 研究者らは、ChatGPTが自信満々に不正確な医学情報を提供することが多いと指摘しています。 3. 患者はChatGPTによる医療アドバイスを注意深く受け止め、正確な情報を得るために信頼できる臨床ツールを使用する必要があります。