プルリクエスト受け入れの早期予測に関する研究の突破口 近年、オープンソースソフトウェア（Open-Source Software, OSS）の開発は主流のソフトウェア開発モデルの一つとなりつつあります。このモデルは開発者間での協力を大いに依存しており、プルリクエスト（Pull Request, PR）の仕組みは分散型ソフトウェア開発における協力の効率を向上させる手段として広く採用されています。GitHubなどのOSSプラットフォームでは、PRを通じて開発者はコード変更要求を提出し、プロジェクトの管理者（インテグレーター）がコードレビューを行い、そのコードを主ブランチにマージするかどうかを決定します。しかし、OSSプロジェクトの活発化に伴い、PRの数が急増し、管理者の負担が増大するとともに、P...

iOSアプリストア推薦関係の複雑ネットワーク研究の解析 背景紹介 モバイルアプリケーション（以下、モバイルアプリ）は、現代のインターネットエコシステムの重要な構成要素です。しかし、爆発的に増加するアプリ数により、ユーザーがアプリストアで必要なアプリを見つけることが難しくなる一方で、開発者によるアプリの発見も困難になっています。ユーザー体験を向上させるため、大多数のアプリストアでは、ユーザーの行動やその他のアルゴリズムを基にアプリ推薦機能を提供します。たとえば、iOSアプリストアの「あなたにおすすめ」（”You Might Also Like”）推薦機能では、特定のアプリに関連する他のアプリが表示され、これが推薦関係ネットワークを形成します。 アプリ推薦がユーザー行動やアプリ市場に与える影響は...

データプライバシ保護と因果学習の交差点：フェデレーテッドラーニングに基づく局所的因果構造学習のブレークスルー ビッグデータと人工知能が急速に発展する中で、医療や金融といった敏感な分野では、データのプライバシを保障しつつ効率的に因果関係を分析・推論する方法が学術界および産業界の重要な課題となっています。「Federated Local Causal Structure Learning」（連合局所因果構造学習）という論文は、この重要な課題に直接取り組み、FedLCSというアルゴリズムを導入しました。このアルゴリズムは、フェデレーテッドラーニング（Federated Learning）環境下で局所的因果構造を学習するために設計されており、データプライバシを確保しながら因果推論を実現する問題を革新...

混合タイプ対話生成分野の新たな突破口：少数ショット学習に基づく研究 人工知能（Artificial Intelligence, AI）の重要な目標の1つは、多種多様な自然言語対話を実現できるAIエージェントを構築することです。現在、業界や学術界において、オープンドメイン対話（Open-Domain Dialogue）とタスク指向対話（Task-Oriented Dialogue）の両方に対応できる対話モデルを設計することが長年の課題とされています。この複数のスキルやタイプを統合した形式は、混合タイプ対話（Mixed-Type Dialogue）と呼ばれます。しかし、この課題に取り組む既存の研究の多くは、大規模な人工ラベル付きデータセットの構築に依存しており、データラベリングのコストが非常に高...

深層学習における非対称二重タスク協調モデルによる部分ラベル学習の改良に関する研究 研究背景 深層学習の分野では、教師あり学習が多くの人工知能タスクの中心的な方法となっています。しかし、深層ニューラルネットワークを訓練するには、大量の正確にアノテーションされたデータが必要です。このようなデータの構築には、コストが非常に高く、時間がかかります。これに対する有効な代替手段として、弱教師あり学習（Weakly Supervised Learning）が近年広く注目されています。その中で部分ラベル学習（Partial Label Learning, PLL）は典型的な問題として捉えられており、各トレーニングインスタンスが候補ラベルセット（Candidate Label Set）でアノテーションされ、こ...

PET画像レポートにおける大型言語モデルの応用：検索強化生成モデルを組み合わせた単一施設試験研究 人工知能技術の急速な発展に伴い、大型言語モデル（Large Language Models、以下LLM）のゼロショット学習能力と自然言語処理能力が医学分野で広く注目されています。LLMは一部の医療分野で効率と成果の向上を示しているものの、核医学、特にPET（陽電子放射断層撮影）画像レポートへの応用はまだ初期段階です。本研究は、韓国ソウル大学病院およびソウル大学医科大学のHongyoon Choi博士とそのチームによって実施され、その研究成果は《European Journal of Nuclear Medicine and Molecular Imaging》に掲載されました。 研究背景と問題提...

皮膚がん診断を支える新しい手法：光音響イメージングとレベルセット分割アルゴリズムに基づく研究 近年の地球環境変化や人口の高齢化に伴い、皮膚がんの発生率は年々増加傾向にあります。皮膚がんは、重要な公衆衛生上の課題となっており、代表的な非メラノーマ皮膚がんには、扁平上皮がん（Squamous Cell Carcinoma, SCC）と基底細胞がん（Basal Cell Carcinoma, BCC）が含まれます。その中でも、基底細胞がんは最も一般的であり、米国では毎年約430万件の新たな症例が報告されています。このがんは死亡率こそ低いものの、患者の生活の質や医療資源に対して重大な負担をもたらしています。 基底細胞がんの臨床診断および治療には、いまだ多くの課題が存在します。従来の腫瘍境界評価法は主...

核医学における生成的人工知能の画期的応用：合成骨スキャン画像の可能性と深層学習への応用 背景と研究課題 近年、人工知能（Artificial Intelligence, AI）の急速な発展は、医用画像解析に革新をもたらしました。例えば、深層ニューラルネットワーク（Deep Neural Network）は、疾患診断、解剖学的構造のセグメンテーション、患者予後の予測および治療反応の評価といった分野で大きな可能性を示しています。しかし、これらの技術の広範な応用は、通常、膨大で正確にラベル付けされたデータセットに依存しています。しかし、医療分野では、このような大規模なラベル付きデータを収集することは費用がかかり、時間もかかる上、患者のプライバシー保護のためにデータ共有が厳しく制限されるため、データ...

PSMA PET/CT に基づく多モーダル深層学習モデルによる前立腺癌患者のリンパ節転移予測の詳細解析 背景紹介 前立腺癌（Prostate Cancer, PCA）は男性における最も一般的な悪性腫瘍の一つであり、癌関連死の主要な原因となっています。臨床的に局所的な前立腺癌患者において、拡大骨盤リンパ節郭清（Extended Pelvic Lymph Node Dissection, EPLND）はリンパ節病期分類の最も正確な方法と見なされています。しかし、この手術は広範囲にわたる操作が必要であり、術中および術後の合併症のリスクを高めるだけでなく、手術時間の延長や医療費の増加を招く可能性があります。EPLND がリンパ節転移（Lymph Node Invasion, LNI）の評価において効...

PET画像と臨床データを融合したTransformerモデル: 濾胞性リンパ腫の病理学的グレード予測と予後評価を目的とした多施設間デジタルバイオプシー研究 学術的背景 濾胞性リンパ腫（Follicular Lymphoma, FL）は、西洋諸国で最も一般的な惰性非ホジキンリンパ腫であり、新たに診断される非ホジキンリンパ腫全体の約30%を占めています。世界保健機関（WHO）の分類に基づき、濾胞性リンパ腫は病理学的に3つのグレード（1～3級）に分類されており、このグレードは高倍率視野（High-Power Field, HPF）ごとの中心母細胞（Centroblasts）の数に基づいています。しかし、3級はさらに3a級と3b級に細分化され、特に3b級はより侵攻的な生物学的挙動を示し、患者の予後が...