MEDICINE & AI

タイトル：Physical foundations for trustworthy medical imaging: A survey for artificial intelligence researchers. 雑誌名：Artif Intell Med. 2025 Nov; 169: 103251. 概　要： 医療画像における人工知能は、深層学習の進展と計算資源への広範なアクセスにより、過去10年間で急速に成長しました。X線や核画像、超音波など、さまざまな画像モダリティが含まれ、それぞれの特徴と制限は基礎となる物理学によって定義されています。しかし、多くの人工知能実践者は医療画像取得に関する物理的原則を十分に理解しておらず、このギャップが深層学習の潜在能力を最大限に活用する妨げとなっています。本研究は、医療画像の背後にある基本的な物理概念をレビューし、特に生成モデルや再構成アルゴリズムにおける人工知能の最近の発展への影響を考察します。また、医療画像における特徴学習を改善するための物理に基づいた機械学習アプローチについても説明します。 方　法： 本研究は、医療画像に関連する物理的概念をレビューする文献調査です。具体的な研究デザインや対象者数は記載されていませんが、物理学の知識が人工知能システムにどのように統合されるかを探求しています。 結　果： 医療画像における物理的原則の理解が、人工知能の信頼性を高めることに寄与することが示されています。特に、限られたデータシナリオにおいて、物理学の知識を組み込むことで深層学習の効果を最大化できる可能性があります。 結　論： 医療画像の物理的基盤を理解することは、人工知能システムの信頼性を向上させるために重要であり、特に生成モデルや再構成アルゴリズムの発展に寄与することが期待されます。物理に基づいた機械学習アプローチは、医療画像における特徴学習の改善に役立つと考えられます。