Medical DX Dose 医療DX・AIのニュースを、毎日ひと匙

2026年8月13日（木）の Dose

7本（論文7）

論文 電子カルテ・記録業務 注目

外来AIスクライブ3製品を実際のEHRログで比べ、製品ごとに時間外業務の増減が分かれたという論文。

  • 米国の統合医療システムでプライマリケア医163人を2024年1月から2025年6月まで追跡し、5万9130人日のEHRログを解析した
  • EHR統合型を基準にすると、タブレット型は時間外EHR作業が1日0.022時間増え、48時間以内の記録完了は12.0ポイント下がった
  • 単独型は時間外作業が1日0.007時間減り、導入前比では0.055時間減（年約30時間）だったが、記録完了は2.8ポイント低下した

出典：JAMIA Open ／ Comparative effectiveness of ambient documentation tools in primary care tool-specific variations in efficiency, documentation burden, and productivity over time.

サトシサトシ
同じAIスクライブでも製品で結果が逆に振れるので、自分の施設のログで測る前提がいりますね
論文 予測モデル・リスク層別 注目

救急外来からの入院予測モデルに人種を入れるかどうかで、予測確率がどれだけ動くかを検証したという論文。

  • MIMIC-IVの救急外来データで、人種を入力に含むモデルと含まないモデルを学習させ、人種群ごとに予測入院確率の差を比べた
  • 人種を入れると予測確率は白人で3.2%高く、黒人で1.5%、ヒスパニックで3.0%低くなり、効果量はd=1.00、-1.23、-1.35だった
  • 人種構成を揃えた条件でも白人1.22%とヒスパニック-1.00%の差は残り、アジア系0.2%とその他0.5%では差は小さかった

出典：JAMIA Open ／ Assessing the effect of race on machine learning models predicting hospital admissions from emergency department.

サトシサトシ
変数から人種を抜けば公平になる話ではない。抜いた後に何が代理になるかまで見ないと意味がない
論文 生成AI・LLM 注目

ChatGPT-4oが高齢者の症例文からせん妄を拾えるか、条件を変えて繰り返し試したという論文。

  • PubMed収載の高齢者症例報告20件から、せん妄という語を消した症例文を作り、独立2セッションと連続セッションの3条件で比べた
  • せん妄を指摘できたのは独立2セッションでいずれも70%、連続セッションで90%、比較対象のDeepSeek-V2は50%だった
  • 条件間の差は有意に届かず（p=0.135）、独立セッション同士の一致はκ=0.76、連続セッションを含む一致は低かった

出典：Rev Assoc Med Bras (1992) ／ ChatGPT-4o in delirium recognition: a pilot study.

サトシサトシ
同じモデルに同じことを聞いても、聞く並びで答えが変わる。20例の予備研究だが測り方は素直だ
論文 生成AI・LLM 注目

救急外来のトリアージでLLMを試し、頑健性の高さと同時に性別と人種にまたがる偏りが残ったという論文。

  • 継続事前学習から文脈内学習まで複数のLLM手法と従来型の機械学習を、分布のずれと欠測がある条件で比べた
  • LLMは従来の機械学習よりデータのずれに強く、過去の類似症例を提示する手法が最も良い一方、推論を促す工夫は効果が薄かった
  • 反実仮想の分析では、性別による出力の差が特定の人種群でより大きく出て、単独の属性では見えない偏りが残った

出典：J Healthc Inform Res ／ From Promising Capabilities to Pervasive Bias: Assessing Large Language Models for Emergency Department Triage.

サトシサトシ
トリアージは属性で答えが変わると困る場面なので、導入前にこの監査を回しておきたいです
論文 予測モデル・リスク層別

超低深度の全ゲノム解析だけでがんを検出する深層学習モデルを、複数の独立コホートで検証したという論文。

  • セルフリーDNAの超低深度全ゲノムデータに対し、腫瘍含有率の層ごとに順次ファインチューニングするTransformerベースのモデルを作った
  • 17がん種の独立テストでAUC0.930、別プラットフォームの外部データでもAUC0.929（感度0.78、特異度0.92）だった
  • 進行非小細胞肺がんの化学免疫療法例では、モデル陰性が無増悪生存の良さと関連した（HR0.49、95%CI 0.29から0.82）

出典：Mol Biomed ／ Generalizable cancer detection from ultra-low-pass WGS via deep contextual modeling of cfDNA sequences.

サトシサトシ
低深度で回るなら単価が下がる。精度より、どの価格帯に落ちるかで使われ方が決まる
論文 予測モデル・リスク層別

米国のAll of Us参加者31万6624人で、遺伝的祖先ごとの大腸がん発症の違いを調べたという論文。

  • 1986年7月から2023年10月までの電子カルテと全ゲノム配列が揃う31万6624人を対象に、大腸がん2914人の発症を後ろ向きに解析した
  • 欧州系は他の祖先を合わせた群より発症のオッズが1.50倍高い一方、到達年齢で見るとラテン系1.30倍、東アジア系1.43倍と逆になった
  • 多民族のXGBoostモデルはROC-AUCが0.898だったが、適合率と再現率のAUCは0.338にとどまった

出典：JAMA Netw Open ／ Genetic Ancestry and Colorectal Cancer in the All of Us Dataset.

サトシサトシ
診断年齢の中央値が祖先で違うところが効きますね。検診の開始年齢を一律で語りにくくなります
論文 画像診断AI

胸部X線の読影レポートを自動生成する三段階のモデルを作り、検証役を挟んでも幻覚が残ったという論文。

  • Swin TransformerとQwen3-0.6Bを組み合わせ、下書き・臨床的検証・整形の三段階で生成し、IU X-Ray 321例で評価した
  • 三段階の幻覚率は0.6116で一段階の0.6109と変わらず、CheXpert-F1は0.7038と一段階の0.7154を下回った
  • 検証役は指摘した幻覚の85.6%を修正した一方、推論時間は14.8倍に増え、著者らは臨床導入前の試作と位置づけている

出典：Front Radiol ／ Swin-Qwen3: a three-stage vision-language framework for automated radiology report generation with multi-agent verification.

サトシサトシ
段を増やせば正確になるわけではない。幻覚率6割なら、比べる相手は一段階版ではなく人間だ