論文紹介– category –

XGBoostと説明可能AI（XAI）を組み合わせた脳卒中予測モデルに関する論文の撤回通知。医療AI研究におけるデータの信頼性と、臨床応用への影響について専門医の視点で解説します。

脳波（EEG）とAIを組み合わせ、アルツハイマー病と前頭側頭型認知症を高精度に早期診断する新モデルが開発されました。診断精度87.5%を達成し、説明可能なAIとして医療現場への応用が期待されます。

脳腫瘍（髄膜腫）のAI画像診断において、AI自身の「自信のなさ（不確実性）」を可視化する新技術が開発されました。医師の判断と一致する高い精度を誇り、医療AIの臨床導入を加速させる画期的な研究です。

CT画像から脳卒中を迅速・高精度に自動検出する軽量AIモデル「DNBSD」が開発。1.67Mのパラメータで動作し、LIMEやGrad-CAMによる説明可能性も備え、医療現場での実用性が期待されます。

画像検査なしで無症候性脳梗塞を予測するAIモデルが開発！健康診断の数値（血圧や血糖値など）から、ランダムフォレスト等の技術を用いて高精度にスクリーニング。早期発見と予防医療への貢献が期待されます。

2026年3月のBrain Attack Coalition（BAC）による、脳卒中画像診断の最新コンセンサスを解説。一次脳卒中センター（PSC）の必須要件やAI導入、灌流画像の役割について専門医が紐解きます。

膠芽腫の治療効果を予測するMGMTメチル化状態を、AIを用いてMRIから非侵襲的に予測する研究。単一画像と複数画像の融合モデルを1,380通り検証し、現状の精度限界と課題を明らかにしました。

頸動脈超音波の画像解析（ラジオミクス）と機械学習を組み合わせ、心血管イベント（MACE）の発生リスクを95.8%の高精度で予測する最新モデルが開発されました。予防医療への応用が期待されます。

脳卒中発症から72時間以内の簡単な臨床データを用い、6ヶ月後の上肢機能回復を高精度に予測する機械学習モデルが開発されました。リハビリ計画の最適化に貢献する最新研究を専門医が解説します。

脳腫瘍術後のICU患者におけるせん妄リスクを予測する機械学習モデル（SVM）が開発されました。年齢や利尿薬の使用など5つのリスク因子から高精度に予測し、早期予防介入を支援するオンラインツールも提供されます。