Medical DX Dose 医療DX・AIのニュースを、毎日ひと匙

2026年8月15日（土）の Dose

10本（論文9・リリース1）

論文 臨床意思決定支援 注目

GPT-5に消化器腫瘍100症例で科ごとの役割を与え、腫瘍ボードとの判断一致率を検証したという論文。

  • 5種類の役割プロンプトと専門家合議シミュレーションをGPT-5に適用し、消化器腫瘍100症例でMDT決定との一致率を比較した
  • 一致率は78〜87%で枠組み間に有意差はなく、役割特有の言い回しは97〜100%出たが判断内容とは相関しなかった
  • 多専門家による合議形式は出力の分散が大きかった一方、単一ロールの人格切り替えは言葉遣いの変化にとどまった

出典：★NPJ Digit Med ／ Role prompting modulates linguistic style but not clinical decision structure in GPT-5 tumour board simulation.

サトシサトシ
同じGPT-5でも人格を変えると喋り方は変わるのに結論はほぼ一致するんですね。プロンプトで別人格を作った気になるのは危ういと思います。
論文 電子カルテ・記録業務 注目

心血管イベントの特定で、LLMによるEMR抽出とICDコードなど従来手法の精度を比較したという論文。

  • 米国1医療システムの3施設で、免疫チェックポイント阻害薬治療2258例とTAVR施行1426例のカルテを手動判定と照合した
  • LLMのAUCは脳卒中0.920、心筋梗塞0.938、複合MACE0.880などICDコードを上回る場面が多く、一部の指標では統計的に有意差があった
  • 心不全ではICDコードの方が精度が高い場面もあり、成績はアウトカムとコホートによって変動した

出典：BMJ Open ／ Diagnostic accuracy of electronic medical record retrieval methods and a large language model for identifying cardiovascular events: a multisite retrospective validation study in a medical system in the United States.

サトシサトシ
カルテからのイベント抽出、LLMが常に勝つわけじゃない。心不全ではICDコードの方がまだ強い。用途で使い分ける話だと思う。
論文 予測モデル・リスク層別 注目

救急の重症患者を対象に、LLMによる多職種エージェントシステムでせん妄リスクを予測したという論文。

  • MIMIC-IVで開発し、中国2施設のコホートと米国eICU-CRDで外部検証した。機械学習予測にLLMの仮想専門医推論とRAGを組み合わせた
  • 精度・感度・特異度はMIMIC-IVで0.749/0.762/0.747、中国コホートで0.731/0.708/0.736、eICU-CRDで0.670/0.708/0.665だった
  • カルテレビューと臨床医評価で解釈可能性と有用性を確認したが、外部コホートでは精度がやや低下した

出典：Cell Rep Med ／ A large language model-driven multidisciplinary AI agent system predicts delirium in emergency critically ill patients.

サトシサトシ
外部検証で精度が落ちるのはよくある話。0.75から0.67まで下がってる。多施設で試して初めて実力が分かる。
論文 生成AI・LLM 注目

術前の説明同意にChatGPTでの補足相談を加え、患者の不安と理解度への影響を調べたという論文。

  • 通常の説明同意の後にChatGPTとの相談を行い、STAIとAPAISの不安尺度、満足度アンケートで前後を比較した。回答は泌尿器科医3名が評価した
  • STAI-1は3.2点、STAI-2は1.3点低下し（いずれもp<0.001）臨床的に意味のある変化とされたが、APAIS低下はROC解析で有意でなかった（AUC=0.559、p=0.327）
  • 68%の患者がChatGPT相談を理解の助けになったと回答したが、著者は臨床医の監督継続が必要だとした

出典：Digit Health ／ Impact of AI-Augmented informed consent on preoperative anxiety and patient understanding: A prospective Observational Study.

サトシサトシ
説明のあとにChatGPTと話すだけで不安が下がるの、地味に使えそうです。ただAPAISは有意じゃなかったので万能ではないですね。
論文 予測モデル・リスク層別 注目

救急指令の自由記述テキストを使い、心肺症状疑い患者の重症化リスクを予測したという論文。

  • 中国南寧市の2021〜2024年のEMS通報記録28,332件でモデルを開発し、2025年の10,191件で時間的に独立した検証を行った
  • 構造化情報のみのAUROCは0.681だったが通報テキストを加えると0.803、多モーダル統合でも0.808にとどまり、上位10%の高リスク群に全体の32.1%の重症例が集中した
  • キャリブレーションは許容範囲内だったが、前向き検証と外部データでの評価が今後の課題として残った

出典：J Med Internet Res ／ Predicting Critical Outcomes in Suspected Cardiopulmonary Emergencies Using Dispatch Narratives: Temporal Validation Study.

サトシサトシ
通報の書き起こしだけでAUROCが0.68から0.80まで上がる。現場のテキストデータ、まだ活用しきれてないところが多いと思う。
論文 画像診断AI 注目

口腔扁平苔癬の長期経過を、多モーダルLLMが専門家パネルとどれだけ一致して評価できるか調べたという論文。

  • 病理確定診断後24カ月以上追跡した300例の連続診療記録・口腔内写真・病理報告を、ChatGPTと専門家パネルにそれぞれ盲検で評価させた
  • 高リスク症例の検出感度は78.8%、特異度は99.6%、全体の経過分類精度は94.7%、3段階のリスク層別精度は76.3%だった
  • 層別の誤りの大半は低リスク方向への見誤りで、著者は前向きの外部検証が必要だとした

出典：Sci Rep ／ Trajectory-aware risk stratification of oral lichen planus using a multimodal large language model: a longitudinal diagnostic accuracy study.

サトシサトシ
感度78.8%で特異度99.6%、見逃しは少ないけど拾いすぎもしていないバランス。経過観察の補助としては悪くないですね。
論文 画像診断AI 注目

卵巣エコー画像の読影にGoogle GeminiがO-RADSとIOTA基準をどう適用するか検証したという論文。

  • スイスの大学病院の正常卵巣10例、良性病変10例、悪性病変10例、計30件のB モード・ドプラ画像をGeminiに提示し、専門家2名が盲検でGQSスコアを評価した
  • 正常卵巣10例中6例を病的と誤判定し、良性10例中6例を高リスクのO-RADSに誤分類、悪性10例中3例を良性と見誤った
  • 平均GQSは3にとどまり、著者は専用モデルでの厳密な検証なしに臨床応用すべきでないと結論した

出典：Ultraschall Med ／ The Role of Google Gemini in the Interpretation of Ovarian Lesions.

サトシサトシ
正常卵巣の6割を病気だと言い張るLLM、これはまだ現場に出せない。汎用モデルの限界がはっきり出た例だと思う。
リリース 電子カルテ・記録業務 注目

クリニック院長の診療・経営・記録の負担を減らす音声入力と自動要約機能の提供を始めたという発表。

  • AIプラットフォーム「AI Hippo 医療Loop」に音声入力と自動要約を組み合わせた「音声×要約機能」を追加し、クリニック向けに提供を開始した
  • 実証導入施設では看護記録の作成時間が約2時間から30分に短縮したとしている
  • 音声入力から診療記録だけでなく申し送りや紹介状の下書き作成まで一体で行う設計で、一部は開発予定の機能だとしている

出典：MedTechGroup株式会社 ／ 多重業務の限界へ。診療・経営・記録を同時に回すための音声AI

サトシサトシ
2時間が30分になったという数字、実証施設の話なのでそのまま自分のクリニックに当てはまるかは分からないですが気になります。
論文 画像診断AI

経腟エコーとMRIの片方しか撮らない患者でも使える、子宮内膜症の画像診断モデルを開発したという論文。

  • Pouch of Douglas閉塞と腸管結節という2つの所見を、対になっていない経腟エコーとMRIのデータから相互に学習させる枠組みを提案した
  • 単一モダリティのみの入力でも平均AUC0.827（95%CI 0.790〜0.861）を達成した
  • 著者ら自身が概念実証段階だとしており、臨床での前向き検証はまだ行われていない

出典：★Artif Intell Med ／ Unpaired multi-modal multi-label learning for detecting endometriosis signs.

サトシサトシ
検査は片方しか撮らないのが実際なので、その前提で設計したのは現実的だと思います。ただまだ概念実証止まりですね。
論文 オンライン診療・遠隔モニタリング

オピオイド使用障害に対するテレヘルスのみのブプレノルフィン治療で、患者の治療継続率を調べたという論文。

  • 2019年5月〜2025年4月に米国複数州のテレヘルス専門プログラムで治療を開始した成人22,064人の24カ月間の継続率を後方視的に分析した
  • 継続率は1カ月時点で86.8%、6カ月時点で71.0%まで低下し、開始前からの服用者はそうでない患者より6カ月継続率が18.5ポイント高かった
  • 全体の継続率は全国平均と同等かそれを上回り、著者はテレヘルスのハームリダクションモデルの有用性を支持するとした

出典：J Med Internet Res ／ Retention in Telehealth-Delivered Buprenorphine Treatment for Opioid Use Disorder: Multistate Retrospective Cohort Study.

サトシサトシ
対面なしの遠隔診療だけで継続率が全国平均並みかそれ以上。オピオイド治療みたいなハードルの高い分野でこの数字は意外だった。