#15網膜は『全身の窓』——眼底画像のオクロミクスで全身疾患リスクをAIで解明する
眼底画像に医用画像深層学習＋特徴帰属を適用し、網膜の微小血管・神経線維層を定量化。1枚の眼底から心血管・腎・神経・代謝の横断リスクと『網膜年齢』を推定し、どの網膜特徴がどの臓器に効くかを可視化する萌芽研究。基盤的実現性は海外バイオバンクで既証、新規性は日本人コホート＋臓器横断＋解釈可能に絞る
#14発作は『ランダム』ではない——長期脳波からてんかん発作リスクの周期と前兆をAIで解明する
長期・多チャンネルの脳波に時系列深層学習＋周期解析を適用し、てんかん性放電や高周波振動を検出しつつ、個人ごとの概日・多日（multidien）周期から発作の高リスクな時間帯・時期を推定。発作前の前兆をリードタイム付きで可視化し、『発作は予測不能』を周期と前兆という構造で置き換える萌芽研究
#13薬が薬を呼ぶ『処方カスケード』をAIで解く——高齢者の多剤併用から有害な連鎖と不適切処方の構造を解明する
高齢者の大規模な縦断処方データに処方系列対称性解析＋系列深層モデル＋因果推論を適用し、『薬が薬を呼ぶ』処方カスケードと薬剤-病態の相互作用ネットワークをデータ駆動で発見・可視化。専門家のルール表に頼らず未知の連鎖を解明し、減薬の根拠に転用する萌芽研究
#12陣痛のたびに胎児が苦しむサインを——分娩時CTGの判読をAIで標準化し、胎児ジストレスを捉える
分娩時の胎児心拍と子宮収縮の時系列に時系列深層モデルを適用し、遅発一過性徐脈・基線細変動の低下など危険な波形を収縮との時間関係つきで検出。判読のばらつきを標準化しアシドーシスを予測。産科・周産期×生体時系列×患者安全の萌芽研究。みんこく非依存・医学生＝CTG判読を学ぶ当事者
#11歩行は『第6のバイタル』——動画から運動機能をAIで客観化し、転倒・フレイルの予兆を捉える
スマホ動画の姿勢推定から歩行・動作を42項目で客観定量化し、遊脚期の膝屈曲低下・左右非対称・体幹動揺など転倒・フレイルに効く動作特徴を抽出。リハビリ×動作解析×フレイル予防の萌芽研究。みんこく非依存・医学生＝身体機能評価を学ぶ当事者
#10急変は『いつ・どの順で』崩れるか——院内急変に先行する生理的前兆をAIで解明する
入院中のバイタル時系列（呼吸数・脈拍・SpO2・血圧・意識）に時系列深層モデルを適用し、急変を数時間前に予測。前兆の型・順序・リードタイムを解釈可能に解明。急性期医療×生体時系列×早期警告の萌芽研究。みんこく非依存・医学生＝病棟で急変対応を学ぶ当事者
#9病期が同じでも予後は分かれる——多面的データからがん予後の『隠れた型』をAIで発見し可視化する
臨床×病理×経過データを表現学習＋生存解析で統合し、同一病期内で予後が分かれる潜在サブタイプと駆動因子を解釈可能に発見。腫瘍学×予後科学×説明可能AIの萌芽研究。みんこく非依存・医学生＝病期と予後を学ぶ当事者
#8抗菌薬は『いつ・どこで効かなくなるか』——予測的アンチバイオグラムで経験的治療をAIで最適化する
微生物検査×処方データを時空間モデルで解析し、菌×薬の感受性を数ヶ月先まで予測。経験的治療の『外し』を減らす予測的アンチバイオグラムの萌芽研究。公衆衛生×感染症×AMR。みんこく非依存・医学生＝抗菌薬を学ぶ当事者
#7『聴診』の暗黙知をAIで解く——心音から弁膜症を捉え、人に聞き分けにくい音を可視化する
電子聴診器の心音をメルスペクトログラム＋系列モデルで解析し心エコーで教師づけ。弁膜症の音響特徴と『初学者が聞き逃す帯域』を可視化する循環器×生体音響×医学教育の萌芽研究。みんこく非依存・医学生＝聴診を学ぶ当事者
#6事故は『穴が揃ったとき』起きる——インシデント報告のNLPで医療の潜在リスク構造を解明する
病院に蓄積するインシデント・ヒヤリハット報告(自由記述)をNLPで構造化し、害の重大度予測と『防護の穴が揃う潜在リスク経路』(スイスチーズモデル)を可視化。重大化の前兆を捉える医療安全の萌芽研究。みんこく非依存・医学生＝報告の当事者
#5医師は「どこで診断を間違えるか」——臨床推論のトラジェクトリをAIで構造化し認知バイアスを検出する
症例シミュの推論トレースをベイズ更新の軌跡として表現し、アンカリング・早期閉鎖・確証バイアスを『事後確率トラジェクトリの形』として検出。診断エラーの瞬間を可視化する萌芽研究。みんこく非依存・医学生＝当事者性が軸
#4医療面接は何が「上手い」のか——模擬診療対話のマルチモーダルAIで臨床コミュニケーションを構造化する
模擬患者との診療対話を発話内容(NLP)＋韻律・間(音声)＋ターン構造のマルチモーダルで解析し、共感のタイミング・漏斗型質問・要約など『面接の質に効く行動』を定量化。OSCEの主観採点を客観フィードバックに変える萌芽研究。みんこく非依存・医学生＝当事者性が軸
#3国試知識は『いつ・どこから』忘れるか——医学記憶の忘却曲線と最適復習をAIで解明する
みんこくの大規模復習ログに忘却関数＋生存時間解析＋知識追跡を適用し、医学知識の領域別忘却率(記憶の半減期)と個別最適な復習タイミングを実証マッピング。国試直前期の学習効率を最大化する萌芽研究
#2医療AIは『自信たっぷりに』間違える——国試正誤ラベルで医療LLMの誤りの型と確信度較正を解明する
医療LLMが生成する説明の『誤りの型』と『確信度の較正』を、日本語・国試規模の正誤ラベル(みんこくの解説検証基盤)で実証マッピング。高確信なのに誤る『危険な過信』を検出し、医療AIを安全に使う基盤をつくる萌芽研究
#1対戦型国試学習ログから医学知識の『つまずき構造』をAIで解明する
みんこくの大規模対戦ログ(国試・1文字4択)にIRT＋知識追跡＋誤答グラフを適用し、医学知識の依存ネットワークと『つまずきの定型』を実証マッピング。経験則だった医学教育を誤答の科学で可視化し、個別最適出題に転用する萌芽研究