Medical DX Dose 医療DX・AIのニュースを、毎日ひと匙

2026年9月2日（水）の Dose

10本（論文7・リリース3）

論文 電子カルテ・記録業務 注目

胸部X線の読影にAI優先順位付けと自動レポート生成を導入した前向きクロスオーバー試験を報告したという論文。

  • 放射線科医8人が胸部X線1054件を、通常のFIFO運用とAI優先順位付け・自動レポート生成の2条件で読影する単施設クロスオーバー試験
  • レポート作成時間の中央値は2分から0.53分に73.3%減、総ターンアラウンドタイムは876分から82分に90.6%減少した(いずれもP<0.001)
  • 緊急度の高い症例を含む全区分でTATが有意に短縮したが、単施設・胸部X線に限った検討で診断精度への影響は評価していない

出典：J Med Internet Res ／ Impact of AI-Triaged Worklists and AI-Assisted Report Generation on Radiology Turnaround Times: Prospective Real-World Study.

サトシサトシ
ワークリストの並び替えだけでこれだけ変わるのかと驚きました。診断の質は担保しつつ、待ち時間を削れる余地はまだありそうです。
論文 予測モデル・リスク層別 注目

170万件の心電図で事前学習した基盤モデルECG-CLIPを外部データセットで検証したという論文。

  • Scripps Healthの170万件超のECGと所見レポートで事前学習し、MIMIC-IVの80万件超のECGを用いて外部検証を実施した
  • 陽性ラベル10件のみの少数条件で、急性心筋梗塞検出のAUCが0.910(比較モデル0.884)など主要タスクで既存基盤モデルを上回った
  • 同等のAUCに達するのに必要な学習データは平均90.8%少なく済んだが、実臨床への展開効果はまだ検証されていない

出典：★Lancet Digit Health ／ Development and external validation of a contrastive learning foundation model for ECG-based prediction of cardiovascular diseases and outcomes.

サトシサトシ
ラベルが少なくても性能が出るという話は、データの乏しい施設ほど恩恵が大きいはず。外部検証まで通した点は評価できます。
論文 オンライン診療・遠隔モニタリング 注目

大腸内視鏡の前処置中に便の状態をAIで判定するスマホアプリの多施設前向き研究を報告したという論文。

  • 国内10施設(大学病院6・地域病院3・診療所1)で20〜70歳の326人を対象に、患者が撮影した便画像をAIとスタッフ用ビューアで評価した
  • 主要評価項目であるBoston Bowel Preparation Scale6点以上の達成率は99.1%、平均スコアは8.5、優良割合は87.4%だった
  • 医療スタッフの89.6%が業務負担の軽減を報告した一方、対照群を置かない単群の観察研究で前処置の質そのものへの因果効果は検証していない

出典：JMIR Mhealth Uhealth ／ Feasibility of a Stool State Check App Using AI During Bowel Preparation Before Colonoscopy: Multicenter Prospective Study (SCAN Study).

サトシサトシ
前処置の質を患者自身が見える化できるのは大きいです。内視鏡室の当日キャンセルや不良症例を減らす一歩になりそうです。
リリース 画像診断AI 注目

病理画像クラウド「PidPort」の個人向けプラン提供開始という発表。

  • 法人向けに提供してきた病理画像クラウド「PidPort」を個人向けに拡張し、ブラウザから病理画像を保管・閲覧できるプランの提供を始めた
  • 月額3,980円(ストレージ50GB)のPersonalプランを新規申込者向けに3か月間無料とするキャンペーンを2026年12月31日まで実施する
  • 現時点の主な用途は教育・研究・自己学習での保管や共有で、AI解析機能は今後追加予定としている

出典：メドメイン株式会社 ／ メドメイン、個人向け病理画像クラウド「PidPort Personalプラン」を提供開始、3か月無料キャンペーンを実施

サトシサトシ
個人でWSIを管理できる環境は病理医だけでなく研修医の学習用途にも合いそうです。AI解析の追加が楽しみです。
リリース ウェアラブル・PHR 注目

スマートフォンで睡眠・生活リズムを自動記録する「心想計」が正式サービスを開始したという発表。

  • 睡眠専門医と共同開発したアプリで、スマホの情報から睡眠や活動を自動推定し、手書きの睡眠日誌に代わる生活リズム表として可視化する
  • 基本機能は無料、過去履歴を無制限に閲覧できる有料版は月額500円で、2026年8月17日に正式サービスを開始した
  • 睡眠外来での試用・評価を経ての正式版移行で、診断・治療を目的とするものではないと明記されている

出典：株式会社ツリーベル ／ 睡眠・生活リズムを自動で推定・可視化するアプリ「心想計®」正式サービス開始

サトシサトシ
睡眠日誌の手入力がなくなるだけで続けやすさは変わります。外来での生活状況の把握に使えるかもしれません。
リリース その他 注目

訪問看護・病院向けにシフト作成代行と自動生成AIを組み合わせたサービスを本格展開するという発表。

  • 初月はシフト作成そのものを代行し、現場のルールをハード制約・ソフト制約に整理したうえで数理最適化による自動生成へ約3か月で移行する
  • 代行と自動生成基盤の構築を含む最初の3か月の費用は150万円からで、事業所数やスタッフ数、制約の複雑さにより変動するとしている
  • 外部の生成AIを最適化計算に必須としない構成で、院内サーバーなどローカル環境での運用にも対応するとしている

出典：ニチテック ／ NITI Technology、シフト作成代行と自動生成AIを本格展開—初月から代行、約3か月で自動生成へ

サトシサトシ
シフト作成の暗黙知を言語化してから自動化するという順番が現実的です。現場のルールをいきなりAIに委ねない設計は好感が持てます。
論文 臨床意思決定支援 注目

重症喘息の生物学的製剤選択について、5種のLLMと多職種カンファレンスの判断を比較したという論文。

  • 英国スコットランドの複数施設で、生物学的製剤未使用の重症喘息患者114人について多職種カンファレンスの決定とChatGPT等5種のLLMの推奨を比較した
  • 多職種カンファレンスとLLMの一致度は低く(κ=0.143〜0.213)、LLM同士の一致度も弱〜中程度(κ=0.348〜0.586)にとどまった
  • 全てのLLMで判断ミスが確認され、現時点では単独はもちろん補助的な意思決定者としても不向きと結論づけている

出典：J Allergy Clin Immunol Pract ／ Comparison of artificial intelligence and multidisciplinary team assessment for evaluating biologic decisions in severe uncontrolled asthma.

サトシサトシ
一致率がこれだけ低いと補助にすら使いにくい。生成AIの得意領域と苦手領域の線引きがまた一つ見えた研究です。
論文 予測モデル・リスク層別 注目

入院患者の暴力リスク予測において、カルテ原文と要約文のどちらが有効かを比較したという論文。

  • 米国の1施設で2021〜2023年の入院時暴力事例と対照10件をマッチングし、事前72時間のカルテ記録を用いて予測モデルを比較した
  • 原文で学習したClinical-Longformerが最良(F1 0.776、AUROC 0.959)で、要約文に置き換えるとF1は0.465〜0.510まで低下した
  • Llama-3.1-8BやMedGemma-27Bも原文学習の方が要約より高精度で、単一施設の後ろ向き研究であり前向き・外部検証はまだない

出典：Can J Psychiatry ／ Investigating Whether Summarizing Raw Clinical Text Affects the Prediction of In-Hospital Violence: A Retrospective Case Study: Évaluation de l'effet du résumé des textes cliniques bruts sur la prédiction de la violence en milieu hospitalier : étude de cas rétrospective.

サトシサトシ
要約は読みやすくなる一方で、予測に効く手がかりまで落としてしまうことがあるという指摘は実務でも意識したいところです。
論文 電子カルテ・記録業務 注目

甲状腺エコーのTI-RADS判定を、LLM音声認識とLLM採点の2段階ワークフローで検証したという論文。

  • 149症例の甲状腺画像データベースを用い、LLM音声認識モデルと市販音声認識モデルの文字起こし精度、GPT-4oによるTI-RADS採点精度を検証した
  • LLM音声認識は語誤り率1.0%(市販3.0%)、修正時間6.38秒(市販11.39秒)といずれも有意に優れ、詳細な指示でTI-RADS判定精度は50.3%から78.5%に向上した
  • 放射線科医による確認・修正の工程は依然必要で、前向きの臨床検証はまだ行われていない単施設の実現可能性研究にとどまる

出典：Acad Radiol ／ Streamlined TI-RADS Reporting From Bilingual Speech Recognition to LLM-Assisted Conclusion Generation Using a Two-Stage Workflow.

サトシサトシ
レポート作成の下流工程を丁寧に数値化していて実装のヒントになります。プロンプト設計次第で精度が変わる点は要注意です。
論文 予測モデル・リスク層別 注目

IgA腎症の病理レポート原文をLLMで解析し、予後に関わるサブタイプを見出したという論文。

  • 中国2施設のIgA腎症患者3078人を対象に、1施設のデータでサブタイプを見出し、もう1施設のデータで外部検証を行った
  • 低障害型と高障害型の2サブタイプに分かれ、高障害型は既存のOxford分類での調整後も腎複合エンドポイントのリスクが高かった(HR 2.57、95%CI 1.25-5.29)
  • 分類の根拠は主に慢性尿細管間質障害と炎症所見で、ステロイド反応性との関連は探索的な結果にとどまる

出典：Nat Commun ／ Large language models decode narrative pathology reports to define clinically relevant subtypes in IgA nephropathy.

サトシサトシ
構造化スコアが拾いきれない情報が病理レポートの文章に残っているという発想が面白い。他疾患への応用も気になります。