7日分 ／ 全51本（論文45・リリース6）
サトシの総括
医療DXエバンジェリスト／薬剤師
51本を取り上げました。論文45本、プレスリリース6本です。テーマは意思決定支援10本、画像診断AI9本、記録業務9本と、判断まわりに集まりました。
属性で推奨が動き、モデルによって正答率も割れる
12種類のLLMにめまいの救急症例を判断させ、患者の属性を33種類入れ替えて204万件を解析した研究が出ました。黒人のトランスジェンダー女性という設定では、精神科紹介の推奨が中立条件より12.2ポイント低くなっています。合成症例での机上検証ではありますが、同じ症例文でも属性で答えが動くことが数字で出ました。救急ICUの診断では、専門特化型でも正答率64.1%で、全モデルが70%未満にとどまっています。
出典：J Vestib Res ／ Sociodemographic bias in LLMs' clinical decision-making for dizziness.
サトシ出典：J Med Internet Res ／ Critical Care-Specific vs General-Purpose Large Language Models in Emergency Intensive Care Unit Diagnosis: Single-Center Retrospective Paired Comparative Study.
サトシAIスクライブは、製品ごとに結果が割れた
プライマリケア医163人を1年半追い、5万9130人日分のEHRログでAIスクライブ3製品を比べた研究が出ました。単独型は時間外作業が1日0.007時間減って年30時間ほどの計算になる一方、タブレット型は逆に増えています。どちらも48時間以内の記録完了率は下がりました。スクライブを入れるかどうかではなく、どの形で入れるかで結果が分かれます。
サトシ退院サマリの品質はAIが上回った例も出た
スペインの大学病院で、9診療科240件の退院時サマリを総合診療医10人が13項目で採点したところ、AI作成が10点中8.14、医師作成が7.30でした（p<0.0001）。ただしアレルギー・不耐症の項目だけは医師が上で、AIは一般的な記載に流れる傾向が見えています。緑内障の進行予測では、内部検証のAUC0.98が5カ国の外部検証で0.74〜0.86まで落ちました。数字は出す場所を変えると動きます。
出典：Healthcare (Basel) ／ Expert-Rated Documentary Quality of AI-Assisted Hospital Discharge Reports: A Retrospective Paired Comparison with Physician-Written Reports.
サトシ出典：★Lancet Digit Health ／ Prediction of structural glaucoma progression from baseline fundus photographs using deep learning: a retrospective multicentre study.
サトシ出典：Transfus Clin Biol ／ Clinical Utility of LLM-assisted Chart Review for the Detection of Bleeding Events.
サトシ出典：★NPJ Digit Med ／ Role prompting modulates linguistic style but not clinical decision structure in GPT-5 tumour board simulation.
サトシサトシ出典：EClinicalMedicine ／ A deep learning model for opportunistic screening of chronic kidney disease using chest radiographs: a multicentre validation study in the USA.
サトシ出典：Healthcare (Basel) ／ Expert-Rated Documentary Quality of AI-Assisted Hospital Discharge Reports: A Retrospective Paired Comparison with Physician-Written Reports.
サトシサトシ出典：J Med Internet Res ／ Critical Care-Specific vs General-Purpose Large Language Models in Emergency Intensive Care Unit Diagnosis: Single-Center Retrospective Paired Comparative Study.
サトシ出典：Radiology ／ Determinants of Reader-LLM Interaction in Thoracic Radiology: Impact of Model Confidence and Reader Expertise.
サトシ出典：J Med Internet Res ／ Conversational Large Language Models for Vestibular Diagnosis in Outpatient Clinics: Prospective Multicenter Diagnostic Accuracy Study.
サトシ出典：★Lancet Digit Health ／ Prediction of structural glaucoma progression from baseline fundus photographs using deep learning: a retrospective multicentre study.
サトシ