論文の概要: The Clinical Trial Pipeline Reveals the Next Wave of Artificial Intelligence in Healthcare: A Multidimensional Analysis of 8,532 Registered Studies

• arxiv url: http://arxiv.org/abs/2607.22607v1
• Date: Sun, 14 Jun 2026 08:43:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.135099
• Title: The Clinical Trial Pipeline Reveals the Next Wave of Artificial Intelligence in Healthcare: A Multidimensional Analysis of 8,532 Registered Studies
• Title（参考訳）: 医療における人工知能の次の波に関する臨床試験:8,532件の登録研究の多次元的分析
• Abstract要約: ClinicalTrials.govに登録されたAI関連臨床試験を系統的に同定した。 我々は、32の専門分野にわたる8,532のAI臨床試験を特定し、2019年以降80%が登録され、ランダム化されたコントロールデザインを使用して30.5%が登録された。 予後AI(4,324回)が診断AIをわずかに超えた(3,828回)
• 参考スコア（独自算出の注目度）: 7.946287975000986
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The prospective clinical evaluation of artificial intelligence in medicine has expanded rapidly, but the global AI clinical trial landscape remains incompletely characterized. We systematically identified AI-related trials registered in ClinicalTrials.gov using a broad keyword search followed by an LLM-based classifier. Each trial was classified across seven dimensions: clinical function, data modality, specialty, AI integration and autonomy, workflow position, translational maturity, and epistemic role. We identified 8,532 AI clinical trials across 32 specialties, with 80% registered from 2019 onward and 30.5% using a randomized controlled design. Imaging-based AI was the largest modality, with 2,475 trials (29%), while clinical text and NLP trials increased seven-fold between 2018 and 2025. Prognostic AI (4,324 trials) slightly exceeded diagnostic AI (3,828 trials), suggesting a shift from disease detection toward risk stratification and trajectory prediction. Treatment recommendation remained less developed, with 768 trials (9%). Translational maturity remained limited: 3,259 trials (38%) were retrospective validation studies and 1,802 (21%) were silent prospective evaluations, indicating that much of the pipeline still produces algorithmic rather than clinical evidence. Only 184 trials involved Level 4 semi-autonomous or closed-loop AI, 68% of which focused on glucose management. Multimodal AI accounted for 33.6% of trials, mainly combining imaging, omics, physiological signals, and wearable data. These findings indicate that clinical AI has moved from retrospective development to prospective evaluation, but not yet to adequately powered, geographically representative, long-term outcome trials. Future progress will depend on closing gaps in trial scale, specialty coverage, geographic representation, and translational maturity.
• Abstract（参考訳）: 医学における人工知能の臨床評価は急速に拡大しているが、グローバルなAI臨床試験の展望はいまだに不完全である。 広義のキーワード検索とLLMに基づく分類器を用いて,CricerTrials.govに登録されたAI関連治験を系統的に同定した。 各試験は、臨床機能、データモダリティ、専門性、AI統合と自律性、ワークフロー位置、翻訳成熟度、およびてんかんの役割の7つの側面に分けられた。 我々は、32の専門分野にわたる8,532のAI臨床試験を特定し、2019年以降80%が登録され、ランダム化されたコントロールデザインを使用して30.5%が登録された。 画像ベースのAIは2,475回の臨床試験(29%)で最大のモダリティであり、臨床テキストとNLPの試験は2018年から2025年の間に7倍に増加した。 予後AI(4,324のトライアル)は、診断AI(3,828のトライアル)をわずかに上回り、疾患検出からリスク階層化と軌道予測への移行を示唆している。 768治験(9%)で治療勧告は改善しなかった。 翻訳の成熟度は限定的であり、3,259の試験(38%)は振り返りの検証研究であり、1,802(21%)はサイレントな予測評価であった。 わずか184回の試験では、レベル4の半自律型または閉ループ型AIが含まれており、そのうち68%はグルコース管理に焦点を当てていた。 マルチモーダルAIは、主に画像、オミクス、生理的信号、ウェアラブルデータを組み合わせた実験の33.6%を占めた。 これらの結果は、臨床AIが振り返り開発から将来的な評価へと移行したことを示唆している。 今後の進歩は、試行規模、専門性カバレッジ、地理的表現、翻訳成熟度のギャップを埋めることに依存する。

関連論文リスト

• Auditable agentic AI for evidence-grounded thyroid ultrasound diagnosis and reporting [59.709162055944915]
  ThyroidXAgentは、特殊な診断ツールをコーディネートし、その出力を監査可能なケースレベルの証拠記録として保存するエージェントAIシステムである。 NHC-MISD-TUSコホート内35施設8,721件を含む,重複しない28,458件の検査を行った。 セグメンテーションでは平均Diceスコアが87.21パーセント、良悪性分類では平均AUROCが0.9466だった。
  論文  参考訳（メタデータ） (2026-08-12T21:02:59Z)
• A Breast Vision Pathology Foundation Model for Real-world Clinical Utility [65.57568187389113]
  a bfBRAVE, a breast-adaptive pathology foundation model developed and evaluation using a total resources of 101,638 breast wholeslide images。 臨床ワークフローにおけるBRAVEの実践的役割は、通常のAI支援による第2レビューから低リスクのケースを安全に排除すること、そしてさらなる評価のためのケースの優先順位付けなどである。
  論文  参考訳（メタデータ） (2026-05-06T07:44:39Z)
• Cerebra: A Multidisciplinary AI Board for Multimodal Dementia Characterization and Risk Assessment [56.62016795093786]
  CerebraはインタラクティブなマルチエージェントAIチームで、ERH、臨床ノート、医療画像分析のための特殊エージェントをコーディネートする。 構造化された表現を操作することで、プライバシ保護デプロイメントをサポートし、モダリティが不完全であれば、堅牢である。 Cerebraは、有識者のパフォーマンスを著しく改善し、前向き認知症リスク推定において精度を17.5ポイント向上させた。
  論文  参考訳（メタデータ） (2026-03-23T05:46:45Z)
• Clinician input steers frontier AI models toward both accurate and harmful decisions [10.599240857217811]
  8つのフロンティアモデルにまたがる21の言語モデル (LLM) を, 差分診断生成と次のステップ勧告に基づいて評価した。 専門的な文脈は、21モデル全体にわたる正しい最終診断の包含を著しく改善した。 GPT-4o 実験では, 臨床症状の明確な不確実性信号により, 対側的文脈での診断性能が向上した。
  論文  参考訳（メタデータ） (2026-03-14T23:47:53Z)
• AI-assisted workflow enables rapid, high-fidelity breast cancer clinical trial eligibility prescreening [4.008304844602351]
  臨床テキストから自動検査を行うAIシステムMSK-MATCH(Memorial Sloan Kettering Multi-Agent Trial Coordination Hub)を開発した。 MSK-MATCHは、大規模な言語モデルと、キュレートされたオンコロジートライアル知識ベースと検索強化アーキテクチャを統合している。 MSK-MATCHは、6回の乳癌治験で731人の患者から88,518人の臨床記録を振り返って分析し、61.9%の患者を自動で解決し、38.1%の人的レビューを行った。
  論文  参考訳（メタデータ） (2025-11-07T20:27:05Z)
• Artificial Intelligence-Based Triaging of Cutaneous Melanocytic Lesions [0.8864540224289991]
  患者数の増加とより包括的な診断の必要性により、病理学者は作業負荷の増大に直面している。 われわれは,全スライド画像に基づいて皮膚メラノサイト性病変をトリアージする人工知能(AI)モデルを開発した。
  論文  参考訳（メタデータ） (2024-10-14T13:49:04Z)
• TrialBench: Multi-Modal Artificial Intelligence-Ready Clinical Trial Datasets [54.98321887435557]
  本稿では, マルチモーダル入力特徴と臨床治験設計における8つの重要な予測課題を網羅した, 精巧にキュレートされた23個のAI対応データセットについて述べる。 データセットのユーザビリティと信頼性を確保するため、各タスクに基本的な検証方法を提供する。 このようなオープンアクセスデータセットが利用可能になることは、臨床試験設計のための高度なAIアプローチの開発を促進することを期待する。
  論文  参考訳（メタデータ） (2024-06-30T09:13:10Z)
• Applications of artificial intelligence in the analysis of histopathology images of gliomas: a review [0.33999813472511115]
  本稿では,ヒトグリオーマの全スライディング組織像に対するAIベースの手法を提案する83の公開研究について検討する。 現在の研究の焦点は、成人型びまん性グリオーマのヘマトキシリンおよびエオシン染色組織分画の評価である。 これまでのところ、AIベースの手法は有望な成果を上げているが、実際の臨床環境ではまだ使われていない。
  論文  参考訳（メタデータ） (2024-01-26T17:29:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。