血液学における人工知能

Aziz Nazha¹, Olivier Elemento², Sanjay Ahuja³

¹Thomas Jefferson University, Cherry Hill, New Jersey, United States.

Blood

|August 22, 2025

まとめ

人工知能 (AI) と機械学習 (ML) は,血液学における改善された診断とパーソナライズされた治療のための変革の可能性を提供します. しかし,データ品質,バイアス,規制の課題は,現在,これらの強力なツールの臨床採用を制限しています.

科学分野:

血液学
人工知能 (AI)
機械学習 (ML)
生成性AI

背景:

血液学的疾患の診断と治療は,さまざまなデータ (イメージング,病理学,オミックス,ラボ) を統合することに依存しています.
データの量と複雑さが増加するにつれて臨床的意思決定が困難になっています
AI/MLは,診断の精度,リスクの分層化,治療の予測を向上させるための高度なモデリングを提供します.

研究の目的:

血液学におけるAI/MLの現状を2025年までに検討する.
臨床実務におけるAI/MLの実施における既存のギャップを特定する.
血液学におけるAIの将来の開発と応用に関する洞察を提供すること.

主な方法:

血液学におけるAI/MLにおける現在の文献と進歩のレビュー
治療戦略と診断ワークフローに対するGenerative AIの影響の分析
AI/MLツールの臨床実施を阻害する課題の特定

主要な成果:

AI/MLは診断からパーソナライズされた患者管理まで血液学に革命をもたらす大きな可能性を秘めています
ジェネラティブAIは新しい治療法,診断画像/レポート生成,患者ケアパーソナライゼーションを向上させることができます.
限られた臨床実施は,データ品質,公平性,インフラ,評価メトリックの課題に起因する.

結論:

人工知能とMLは血液学における大きな飛躍を意味します
バイアス,データ品質,規制上のギャップなどの重要な課題が普及を妨げています.
これらの課題に取り組むことは,臨床血液学におけるAIの潜在能力を完全に実現するために不可欠です.

さらに関連する動画