MEDICINE & AI

タイトル：Deep learning techniques for extreme rainfall prediction: a review of state-of-the-art. 雑誌名：Front Artif Intell. 2026; 9: 1908848. doi: 10.3389/frai.2026.1908848. 概　要： 極端な降雨イベント（ERES）は、複雑で非線形な大気プロセスが関与し、空間的および時間的スケールが多岐にわたるため、予測が非常に困難です。本研究は、2020年から2026年に発表された極端な降雨予測に関する人工知能（AI）の最近の進展を系統的にレビューしています。139件の研究を基に、深層学習手法やデータ融合、予測の時間枠、運用展開、そして不確実性の定量化などの観点から証拠を統合しています。AIと物理的知識を統合したハイブリッド予測システムへの移行が見られますが、データ不足やモデルの一般化、物理的一貫性などの課題が依然として残っています。 方　法： 本研究は、2020年から2026年に発表された極端な降雨予測に関する文献を透明な検索戦略と事前定義されたスクリーニング基準を用いて系統的にレビューしました。139件の研究を質的に評価し、深層学習手法やデータ融合、予測の時間枠などの複数の次元にわたる証拠を合成しました。 結　果： レビューの結果、決定論的なDIモデルから、物理的知識と環境観測を統合したハイブリッドで不確実性を考慮した運用予測システムへの移行が明らかになりました。データ不足、クラスの不均衡、モデルの一般化、物理的一貫性などの課題が依然として存在することが示されました。 結　論： 将来の極端な降雨予測システムは、精度重視の評価を超えて、統合的で信頼性が高く、不確実性を考慮した物理的一貫性のある予測アプローチに進化する必要があります。このレビューは、物理的妥当性や不確実性の定量化、信頼性、移転可能性に関する評価フレームワークの必要性を強調しています。