タグ
19件 · 13週間分
OpenAIのAstraモデルがサイバーセキュリティ能力の「重要しきい値」を達成し、より強固な安全対策を提供します。同時に、ChatGPTは医療機関向けにEHR（電子カルテ）やその他の業界データとの安全な接続を可能にし、臨床医が患者情報や医療研究にアクセスしやすくします。
OpenAIは、ChatGPTが信頼性の高い医療データソース（電子カルテなど）と連携できるようになる新機能を発表しました。これにより、臨床医は患者の状況、医療研究、その他の情報を安全に一元的にアクセスできるようになります。
集中治療室（ICU）における死亡率予測の精度は高いものの、その説明性には課題がありました。本研究では、スタンドアロン型LLMと、データ解釈、ガイドラインチェック、最終的な説明生成を分離したマルチステップのエージェントパイプラインを比較することで、臨床現場で利用可能な説明の生成におけるLLMの実現可能性を検証しています。
マルチモーダルLLMが長期動的ECG分析における複雑な時間的推論と診断レポート生成に苦戦する中、新たなデータセット「Holtercare-23K」とベンチマーク「Holtercare-Bench」が導入されました。これにより、高品質なECG分析モデルの開発が加速されます。
ZEALSが日本の屋内環境に特化したコンパクトな台車型ヒューマノイド「D1」を発表しました。医療や製造現場での実稼働を通じて物理データを収集し、2026年度内に累計1万時間の現場稼働を目指し、フィジカルAIの社会実装を加速させます。
OpenAIの次世代AIが数学の未解決難問を10問解明するという画期的な成果が報じられた一方で、米国の薬局チェーンでAIによる誤処方が続出しているとの報告もあり、AIの「光と影」が同時に示されました。AIの可能性とリスクを同時に浮き彫りにするニュースです。
DeepLens Diagnosis Agentは、5段階のハーネスパイプラインと小規模な医療推論モデル、RAGを組み合わせることで、フロンティアLLMに匹敵する医療診断性能を実現しました。これにより、限られたリソースでも高精度な医療AIエージェントが構築可能になることを示しています。
電子カルテ（EHR）に含まれる自由記述の臨床記述と、バイタルサイン、検査値などの構造化された測定値を、単一の自然言語シーケンスに変換し、大規模言語モデル（LLM）をエンドツーエンドでファインチューニングすることで、タスク固有の融合アーキテクチャなしで臨床予測を行う新しいアプローチが提案されました。
医療分野での大規模言語モデル（LLM）の活用が進む中、本調査は臨床現場のニーズとAIの能力を連携させるための課題と進捗を分析しています。Millerのピラミッドに基づく5段階の能力評価スキームと、演繹・帰納・アブダクションといった推論パターンを医療目標に結びつける二元的なアプローチを提示しています。
大規模言語モデル（LLM）が精神保健サポートに利用される中、本研究はLLMの安全性確保のため「アライメント妥当性」という新しい基準を提案しています。これは、人間の臨床実践の安全性を保証する社会の仕組みに倣い、価値規範の明示、制度的監督、臨床的精査の3つのレベルでAIの整合性を図るものです。
OpenAIはGPT-5.5 Instantの導入により、ChatGPTの医療・ウェルネス分野における応答能力を大幅に改善しました。強化された推論能力、文脈理解、明確なコミュニケーション、そして医師による評価を通じて、より信頼性の高い情報提供を目指します。
OpenAIが生命科学に特化したフロンティア推論モデル「GPT-Rosalind」を、生物兵器対策、公衆衛生、パンデミック対策を推進する開発者や米政府機関に無償提供する「Rosalind Biodefense」プログラムを発表しました。これは、高度なAIを国家安全保障と公衆衛生に活用する一方で、デュアルユース（軍民両用）のリスク管理が重要となる動きです。
ボストン小児病院がOpenAIのAI技術を活用し、患者ケアの改善、業務負担の軽減、そして40以上の希少疾患の診断に成功しました。これにより、診断困難なケースに対する画期的なアプローチが実現し、医療現場の効率と診断精度が向上しています。
OpenAIは、医療機関AdventHealthと提携し、ChatGPTを医療現場に導入。ワークフローの効率化、管理業務の負担軽減、患者ケアへの時間確保を目指し、AIを活用したヘルスケア変革を進めます。
ArXivの論文は、患者が管理するパーソナルヘルスレコード（PHR）のデータを用いて、大規模言語モデル（LLM、Gemini 3.0 Flash）がユーザーの健康に関する質問にどれだけ有用な回答を提供できるかを評価しています。これにより、PHRとAIを組み合わせた個別化ヘルスケアの可能性を探ります。
ハーバード大学の研究により、AIが緊急治療室（ER）の診断において、2名の人間医師よりも高い精度を示すことが明らかになりました。この研究は、大規模言語モデル（LLM）が多様な医療シナリオ、特に緊急性の高い状況での診断能力において、人間の専門家を上回る可能性を実証するものであり、AIが医療分野にもたらす変革の大きさを浮き彫りにしています。
膝骨関節炎の診断における画像診断と患者の症状の不一致という課題に対し、機械学習予測モデルとツール連携型マルチエージェント推論システムを組み合わせた「Discordance-Aware Multimodal Framework」が提案されました。これは、多角的な情報を統合し、臨床推論の精度向上を目指します。
AIエージェント、特にマルチエージェントLLMシステムは、その複雑な協調メカニズムを通じて、医療予測や行動健康コミュニケーションシミュレーションなどの多様なタスクで進化しています。これらのシステムは、安全性、ケース適応性、そして信頼性の向上を目指し、新たなフレームワークが提案されています。
Doctorina MedBenchは、現実的な医師と患者のインタラクションをシミュレーションすることで、エージェントベース医療AIの包括的な評価を可能にするフレームワークです。病歴聴取、資料分析、鑑別診断、個別化された推奨事項まで、医療AIの臨床能力を多角的に測定します。