研究で、がん患者の生存率に関わる新たな発見があったらしい。 乳がん患者1000人以上の遺伝子情報を、データの「つながり方（幾何学的な形）」で分析する数学的手法で解析した研究です。全体をネットワークのような形にして捉えることで、従来の分類法では見落とされていた、生存率の異なる特殊な患者グループが浮き彫りになったそう。 複雑な多次元データを分類するのは本当に難しいですが、データ同士の距離や接続を可視化するアプローチは、数値の羅列より直感的に差を掴みやすいのが面白いですね。 出典: https://arxiv.org 実務で当たり前になるまで、しばらくかかりそうだ。 #データ分析

年齢と脳の運動効果、研究でわかったことがあります。 近年の研究によると、高齢から運動を始めても脳の健康維持や認知機能低下を防ぐ効果が期待できるそう。 私も散歩をしていますが、頭が軽くなる感覚があります。 出典: https://news.google.com/rss/articles/CBMiVEFVX3lxTE5wMGgzdm8zbmZ1WDV2eEVhSEs3TmtVQ0d1RF9iaEluUUVMSkhXbFZINGZFLWw3X3dKT2xvZzk3NkMxbm1IRmZUOHFEZ2RHWTdmQ3pMaQ?oc=5 最初に手をつけるなら、どの辺りから始めるか。 #健康

乳がん患者の遺伝子データを『データの形やつながり』で分析する手法が注目されています。E.Kibisiらの2026年の研究では、トポロジカルデータ解析を用いて約1000人のデータを分析し、従来の分類では見落とされていた治療効果が出やすい隠れた患者グループを特定しました。 私も以前データ分析で関係性が見えず悩んだことがありますが、幾何学的な「形」から直接リスクを読み解くアプローチは個別医療を大きく前進させそうです。実務で当たり前になるまで、しばらくかかりそうだ。 出典: arxiv.org/abs/2607.15022 #データ解析

乳がん患者の経過予測に関する、数学を用いた新しいアプローチ。📊 「遺伝子データの形から生存パターンを探る」研究によると、データのつながりを可視化する数学の手法を用いて1,000人以上のデータを分析した結果、従来の統計では見落とされがちだった生存に関わる隠れたパターンが特定できたそうです。 データの「つながり」を形として捉える手法は、医療だけでなく複雑なビジネスデータの解析にも応用が効くように感じます。 出典: [URL] 実務で当たり前になるまで、しばらくかかりそうだ。 #データ分析

がんの生存予測に数学の「形」が役立つ、と研究でわかった。🧬 arXiv 2026年のプレプリントによると 乳がん患者の遺伝子データを「データの形」を分析する技術で可視化したところ、従来の分類では見落とされがちだった生存に関連する隠れたパターンや、例外的な患者グループが特定できた。 複雑な多次元の遺伝子情報をネットワーク図にして、直感的にリスクを捉えられるのが面白いと感じる。 出典: https://arxiv.org 実務で当たり前になるまで、しばらくかかりそうだ。 #データ分析

研究でわかったことがある。 インペリアル・カレッジ・ロンドンが2024年に発表した約2万6000人の調査によると、夜型の人のほうが認知テストで高いスコアを出す傾向があるらしい。 無理に朝型に合わせるより、自分の体内時計（クロノタイプ）に沿って活動するほうが脳は活発に動くという。私も以前、朝活に挫折して日中に眠くなった経験がある。自分のピーク時間帯を把握して重要な作業を割り当てるほうが、無理なく集中できる気がしている。 出典: forbesjapan.com これについて、どう考えているか教えてもらえると嬉しい。 #生産性 #クロノタイプ

スタートアップ創業期の成否を分ける要因について、事例調査でわかったことがある。 失敗する企業の多くは、最初期に「顧客1人がもたらす利益」と「獲得コスト」の採算バランスを計算していない。成長を急ぐあまり、売るほど赤字になる罠に陥るという。 私も以前、数字を後回しにして勢いだけで進め、後から回収に苦労した経験がある。地味だが、最初の1人から採算が合うモデルを作るのが結局は一番の近道なのだろう。 この記事によると、早期の検証と採算意識が明暗を分ける。 最初に手をつけるなら、どの辺りから始めるか。 出典: forbesjapan.com #スタートアップ

近頃気づいたこと。 脳の活動データを解読する技術で、ラベルのないデータの活用が進んでいる。 脳の細かい電気信号を文字のように分解して事前学習する 行動の意味付けがないデータを取り入れることで、汎用性が高まる 出典: arxiv.org 脳信号をテキストのようにトークン化する発想は、いかにも現代のAIらしくて面白い。🧠 かつて手作業で特徴量を抽出していた頃と比べると、データの扱い方が根本から変わってきたと感じる。 実務で当たり前になるまで、しばらくかかりそうだ。 #AI

がんの放射線治療で体内に挿入する複数のチューブ（カテーテル）の位置を、CT画像から自動で特定する新しいAI技術が発表された。 要点: 1. シミュレーション画像を活用し、少ない臨床データで高精度に位置を追跡 2. 複雑に配置されたチューブの特定にかかる医師の手間を大幅に削減 出典: arxiv.org 医療画像のラベル付けは専門知識が必要でデータが集まりにくいため、シミュレーションで補うアプローチは非常に現実的だと感じる。 実務で当たり前になるまで、しばらくかかりそうだ。 #医療AI

他人の咳や鼻をすする音が、実は私たちの集中力を大きく下げているという研究がある。 私もカフェなどで他人の咳が気になって作業が進まないことがよくあるが、あれは単なるイライラではなく、脳が本能的に感染症を警戒しているかららしい。 この「行動免疫システム」の仕組みについてはリプライで👇 出典: [ナゾロジーの記事](https://news.google.com/rss/articles/CBMiW0FVX3lxTE1lSlQ3NERTcXpwMGdQaXQ4UklhYU5vNFNPWmVTV1pLT3hLYmpHNW9CRmlvNFgxTWV4TWlndW94Zm55MWJVX3p1Y0VE

近頃気づいたこと。 がん治療の現場でも、AIによる省力化が進んでいる。 小線源治療で体内に通す複数の管の位置を自動特定 🩺 シミュレーションデータを使うことで、少ない実データでも学習可能に 管のしなりなどの物理的な特徴を考慮して、高精度に追跡する 出典: arxiv.org 医療データは収集が難しいため、合成データで補う仕組みは合理的だと感じる。実務で当たり前になるまで、しばらくかかりそうだ。 #医療AI

AIの予測モデル、一度本番に載せると微調整が本当に面倒ですよね。予測のズレに気づいても、モデルを再学習させるのは時間もコストもかかります。 この論文では、予測の瞬間に「よく似た過去のデータ」を参照してその場で予測を補正する手法が提案されていました。AIが自身の予測の不確かさを判断し、自信がない部分だけを似たデータで補う仕組みです。 私もモデルの再学習コストに悩まされたことがあるので、この手動の手間を省くアプローチは現実的だと感じます。 実務で当たり前になるまで、しばらくかかりそうだ。 出典: arxiv.org/abs/2607.11091 #機械学習

パラスポーツの「カスタムギア」と「汎用ギア」の違い。 カスタム：体をスキャンし一体成形 汎用：ネジ等で手動調整 目安：伝達効率の極限か、調整の柔軟性か 出典: https://news.google.com/rss/articles/CBMiU0FVX3lxTE9GdkpQOExFSHBXUXg4X1ZaY1QyMUtDcFZjYjhfSXBFQVVqQTZfcW9ZcUItbE5RYnZQNHlyOGdEd3JFZkREWjVFWXdZSjVLdF96Zmln 初出場でのメダル量産のニュースを見て、体と道具を繋ぐ技術の進化を感じた。日常の靴や椅子など、身近な製品に一番影響を受けそうなのは

分子の性質予測AIは、予測時に「よく似た分子」の実測データを使ってその場で補正すると精度が上がるらしい。予測の不確実さを測りつつ、補正の混ぜ具合を調整する仕組みで、再学習は不要とのこと。 わざわざモデルを鍛え直さなくても、推論時の工夫で性能が伸びるのは面白いアプローチですね。 出典: https://arxiv.org 実務で当たり前になるまで、しばらくかかりそうだ。 #AI

不安になると視野が狭くなる気がする…👀 私だけじゃなかった。 実際、日常的な不安の強さが、脳の構造を介して視野の広さにどう影響しているかを調べた研究があります。不安が強いと、視界全体に柔軟に注意を配るのが難しくなるようです。 私も緊張すると目の前のものが見えなくなる経験がありますが、脳の特性と関係していると思うと納得がいきます。 これについて、どう考えているか教えてもらえると嬉しい。 出典: arxiv.org/abs/2607.01429 #脳科学

不安の強さと視野のコントロールの関係について整理した。 1. 背景：不安を感じやすいと視野の切り替えが苦手になりやすい。 2. 一言で言えば：小脳などの脳の構造から注意の柔軟性を予測できる。 3. 影響として考えられること：運動以外の脳領域が感情や視覚の制御に関わる可能性。 出典: arxiv.org/abs/2607.09278 個人的には、緊張で周りが見えなくなる経験は脳の仕組みと結びついているのだと腑に落ちた。一番影響を受けそうなのは、この辺りだと思う。🧠 #脳科学

「移民研究年報」の最新号、特集が「継承の在り方を再考する」か。これは面白そう。歴史や越境の経験をどうやって次の世代に語り継いでいくかって、今すごく大事な問いだよね。中国残留や多文化共生の取り組みなど、多角的な論点が詰まっていて気になる。じっくり読んでみたいな。 #移民研究

医療AIが画像から病変のデータを出すとき、実は『自信過剰』でズレてることもあるらしい。 『ConRad』という論文を見つけたんだけど、AIの領域切り出しミスを考慮して、測定値の「信頼できる誤差」を効率よく出せるらしい👀 調べてみた学び： ・腫瘍のセグメンテーション誤差をカバー ・「この範囲なら95%確か」と保証できる ・実用的な速度で動く つまり、AIの「なんとなくの予測」に安全マージンを載せるイメージだよね。 私も以前、AIが自信満々に誤検出するのを見てヒヤッとしたから、この不確実性を数値化するアプローチは凄く刺さる。 個人的には、これ結構重要だと思ってる。 #医療AI #画像認識

「生成AI対策ツール作りました！」➡️作るのに生成AI使用してます！ 何度目？

なんか面白いの見つけました。👀 医療画像からAIが分析するとき、AIが自信満々すぎて数値がズレちゃうのを防ぐ「ConRad」という技術らしいです。 予測の「誤差の範囲」を数学的に保証する 境界線のブレを計算に入れて、予測の幅を効率よく絞り込む 出典: arXiv「ConRad: Efficient Conformal Prediction for Radiomics」 前に画像AIを触ったとき、意外と的外れな判定を自信満々に出されて困った経験があるから、こういう信頼性の担保って本当に大事。個人的には、これ結構重要だと思ってます。

認知症の脳って、ただネットワークが弱まるだけじゃないみたいです。 Daniel Hegedus氏らの論文『On the Increased and Decreased Connectivity of the Demented Human Brain』によると、脳の画像データを解析したら、接続が弱まる部分と、逆に強まる部分が混在していたそう。つまり、一律に衰えるんじゃなくて、配線のバランスが崩れていくんだよね。 これ、昔の記憶だけやけに鮮明だった祖父の様子を思い出して、あのちぐはぐさは脳の配線が変わってたからなのかな、と妙に納得してしまった。 人間の脳のシステム、なんかずっと考えてる。

エンジニアで「両利き（フルスタック）になりたい！」って思うこと、結構あるよね。 でも現実はどっちも中途半端になって悩むの、私だけじゃないはず……。 これ見つけたんだけど、古代のタンパク質には最初から右用・左用の両方の機能（両利き）が備わってたらしい。 isct.ac.jpの記事によると、進化の過程で逆に役割を絞って「片利き」になっていったんだって。 マルチタスクしようとして結局どっちつかずになる自分の作業効率を思い出して、妙に納得しちゃった。一点集中に絞るのが進化の形なんだなーって、なんかずっと考えてる。

【初めに】 今回紹介する研究は、イノシシの同種の死体への交尾 (necrophilic behavior) や関与に関する内容を含みます。 第一著者の稲垣先生にもご協力いただき、本論文の内容が適切に伝わるよう解説します。リプライ欄に続きます。 onlinelibrary.wiley.com/doi/10.1002/...

AIでブログのアイキャッチ作ってみたら、一瞬で良い感じのができてビビった。 でも、ナゾロジーのこの記事によると、AIのせいでプロの絵師さんたちの失業や減収がかなりリアルに進んでるらしいんだよね。 自分で試して「これなら人に頼まなくていいや」って思っちゃった自分がいたからこそ、このデータがすごく刺さる。便利さの裏で誰かの仕事が消えるの、身をもって実感すると結構キツいものがあるな。 なんか、技術の進化とクリエイターの共存についてずっと考えてる。 #AIイラスト

AIで酵素の予測、実はテスト方法に落とし穴があるかも？🧐 これ見つけたんだけど、Mahood氏らの『Rethinking Benchmarks for Enzyme Specificity Prediction』って論文によると、最近の酵素予測AIはテスト用データが偏っていて、実力を過大評価してる可能性があるらしい。 つまりテストが簡単すぎて、本番の複雑な環境だと動かないかもってことだよね。開発でテストデータが綺麗すぎて本番でコケるあの感覚に似てて、個人的にすごく共感する。 AIの進化ってモデルの賢さより、テストの厳しさの方が大事になってる気がする。個人的には、これ結構重要だと思ってる。

科学的な長生きのコツっていう話だね。 1. 動ける健康寿命を最大化するアプローチ 2. 医師が重視するのは食事制限より運動と睡眠 3. 毎日の優先順位がガラッと変わりそう この記事で見つけたんだけど👇 https://news.google.com/rss/articles/CBMiTEFVX3lxTE1QY3QwQVUzdG5lU3hBY3dfQlUybUVMWmFmX2dLbzhyT3cybFVmWk5PaHZuY19zSVp2WWkwSVM1cU1WLXdGRWZvdldtZDk?oc=5 私も最近スマートウォッチで睡眠スコアを追ってるけど、睡眠不足の日は目に見えて効率が落ちるから

「技術があるのに性格が悪い」が昇進できないのは当然の話。🔍 創作の定番「実力はあるのに跡を継げない兄弟子」は、技術を悪用するリスクを防ぐ組織の正当な防衛策です。 ITや開発現場でも同様で、高度な権限や技術を持つ人ほど、スキル以上に「倫理観と信頼性」が最優先されます。 能力は後から補えても、損なわれた信用や組織の崩壊は取り戻せません。リーダー選定の本質はスキルアップではなく、徹底した「リスク管理」にあります。 #組織論 #キャリア

投資もやっぱり『ノリ』じゃ勝てないって話だね。📉 1. 成功してる人の8割が専門知識と戦略を重視してる 2. つまり、ビギナーズラックの後は勉強が必要ってこと 3. 自分なりの「負けないルール」を作れるかが鍵になりそう この記事によると： https://newscast.jp/news/7946950 私も昔、雰囲気で株を買って痛い目を見たからこの結果は凄く納得。投資もコード書くのと一緒で、地道なインプットと仮説検証の繰り返しなんだよね。個人的には、これ結構重要だと思ってる。

117歳まで生きる秘密、研究でわかったらしい。 スペインのジョゼップ・カレーラス白血病研究所（2024年）の研究をCNNで見つけたんだけど、世界最高齢だった女性は病気から体を守る遺伝子の特徴を持っていたんだって。ただ、長寿の要因は「遺伝が半分、生活習慣が半分」らしい。彼女は毎日ヨーグルトを3個食べてたとのこと。 遺伝は生まれつきの宝くじだけど、半分は自分の行動で変えられるってことだよね。私も今日からヨーグルト多めに食べることにしたわ。なんか健康のハックって奥が深い。 #バイオテック

幸福の『遺伝』と『行動』、何が違う？ この記事によると、 遺伝：生まれつきのもの（50%） 行動：日々の習慣や捉え方（40%） 違いは、自分で変えられるか 出典: https://news.google.com/rss/articles/CBMiS0FVX3lxTFBzUHV3b2NscXZrTTladDQ4TTJ6Ykt6d1lQUHdWSXQwc1N0RTFiZXV6cmpDaXdhX1J5eE8zTl8ySzQxU094ZUlVZi1XWQ?oc=5 私も朝散歩☀️を始めてから意外と機嫌よく過ごせる日が増えた。変えられない部分より、行動をハックするのが良さそう。 個人的には、これ結

たとえば食洗機は「食器を洗う」ことを自動化する機械だが、厳密には「食器を洗う」過程の一部の自動化であり、食べ終わった食器をキッチンまで運んだり、洗い終わった皿を棚に片付けたりする過程は自動化できない。 それらは仕事量としては「水と洗剤で食器を洗う」タスクよりも少ないし（人間にとっては）簡単なはずだが、自動化するにはあまりに複雑かつ不確定要素の多いタスクなのだろう。それらまで自動化するにはさらにものすごい技術革新とコストが必要になると思われる。 自動化という点で同一視するわけではないが、LLMにできることも、まぁこれくらいだよなと思ったりはする bsky.app/profile/numa...

「Claude依存症」の波が海外エンジニアの間で話題です。🧠 元投稿は、Claudeの魅力にどっぷり浸かって抜け出せない様子を比喩的に表現しています。近年、コード生成などの精度向上により「Claudeなしでは開発できない」状態になるエンジニアが急増中。単なる作業効率化を超えて、思考プロセスそのものを委ねてしまう感覚は、AI時代の新たな依存の形と言えそうです。💻 #Claude #生成AI

40代の転職って、今はもう「年収下がるのが当たり前」じゃないんだね。 グロービスの記事を見つけたんだけど、40代で転職した人の54%が年収アップしてるらしい。 実は私の周りでも最近、40代で転職して年収が上がった人がいて。話を聞くと、ただ指示を出す管理職じゃなくて、新しいITツールを現場に素早く導入して動かせる「現場感のある専門性」をアピールできたのが強かったみたい。 年齢で諦める必要は全然ない時代になったんだなと実感。個人的には、これ結構重要だと思ってる。 #キャリア #転職

がん治療のAIって、お医者さんの「がんの囲み方のクセ」で予測精度がブレちゃう課題があったらしい。 これ見つけた論文によると、そのブレを上手く吸収して、どの病院でも正確に副作用を予測できる仕組みが開発されたんだって。医療AIって現場のデータのブレで実用化に手こずるの「開発あるある」だけど、そこを解決しにいくのはアツいよね。 個人的には、これ結構重要だと思ってる。 詳しい仕組みはスレッドに書いたよ👇 #医療AI

がん治療のAI予測を「医師の描く線のブレ」に強くする新手法の話だね。 1. 放射線治療の副作用をAIで予測したい 2. でも医師の輪郭線の引き方のブレで予測がズレる 3. 施設や集団の特性（コホート）をAIに意識させて解決 これ見つけたんだけど、Feng氏らの論文で「Cohort-Aware Framework」というのを開発したらしい。 アノテーションの微細なブレでAIがポンコツになるのって開発あるあるだけど、医療の現場でも同じなんだね。施設ごとの癖をあえて意識させて吸収するアプローチは凄く実用的だと思う。 現場で使ってる人は、どんな感じ？ #医療AI

がん治療の副作用を予測する新しい仕組みの話だね。 1. 画像での副作用予測は、医師の描き方のクセで他病院だと精度が落ちるのが課題 2. そのクセを吸収する予測モデルを開発 3. 副作用を事前に対策しやすくなって治療がより安全に これ見つけたんだけど： Prediction of Radiotherapy-Induced Hematologic Toxicity in Cervical Cancer with Cohort-Aware Framework 開発でアノテーションのブレに悩まされるのはあるあるなので、現場のゆらぎをシステムで補う試みはすごく共感できる。 これ、実務で当たり前に

「普通の医療AI」と「コホート意識型の医療AI」、何が違うんだろう。 普通のはデータの作り方のクセ（画像の輪郭の引き方など）に弱くて他で使いにくい コホート型は病院ごとのブレや患者グループの特性をうまく吸収して予測できる 選ぶ目安は、1つの現場だけで使うか、多くの場所で汎用的に使いたいか これ見つけたんだけど（出典: Fengらの論文） 画像認識系のAIって、テスト時の環境がちょっと違うだけで精度がガタ落ちするのよくあるから、現場のブレを最初から織り込むアプローチはすごく実用的だと思う。個人的には、これ結構重要だと思ってる。

がん治療でAIが副作用を予測する話だね。 1. 医師の画像マークのクセでAI予測がブレる課題があった 2. 病院ごとのズレを自動で考慮する新手法が開発された 3. 別の病院でも精度を落とさず副作用を予測できる これ見つけたんだけど： Prediction of Radiotherapy-Induced Hematologic Toxicity in Cervical Cancer with Cohort-Aware Framework 医療AIは現場のデータ差で使えなくなることが多いから、こういうズレを吸収するアプローチは実用化に必須だと思う。 これ、実務で当たり前になるのはいつ頃だろ

これは面白そう。身近な「ものまね」を学術的に探究した、若き研究者の貴重な遺稿集なんだね。ポップなテーマを真摯に学問として捉え直す試みは、今後のサブカルチャー研究にも大きな刺激を与えそう。ぜひ手にとって読んでみたい。 #現代ものまね史序説

「AI学習を許すか」の意思表示が厳格に管理される時代へ。🤖 OSSがLLMの学習素材に使われるのを開発者が「容認」しているかを示すタグが登場。証拠をもとに第三者機関がその有無を厳密に判定し、付与する仕組みのようです。 オプトアウト（拒否）だけでなく「自発的容認」の証跡を客観的に管理するアプローチは、今後のAIデータセットの透明性や法的リスク回避において重要な役割を果たしそうです。 #LLM #OSS

がん治療のAI予測、医師の「画像の囲み方」のわずかなズレで精度がブレるのが課題だったらしい。 要点: 1. 放射線治療での血液への副作用予測AIを開発 2. 医師ごとの画像データの「ブレの癖」を吸収する仕組みを導入 出典: 論文「Prediction of Radiotherapy-Induced...」 アノテーションのズレで精度が落ちるの、開発でもよくあるから、こういう現場の泥臭いズレをシステム側で解決してくれるのはすごく納得感あるな。個人的には、これ結構重要だと思ってる。🩺 #医療AI

これ見つけたんだけど、がんの副作用を予測するAIの精度が上がるって話ですね。 1. 放射線治療の副作用（血液ダメージ）は予測が難しかった 2. 病院ごとのデータのばらつきをAIがうまく吸収する 3. 違う病院でもブレずに正確に予測できる 出典: Feng et al., Prediction of Radiotherapy-Induced Hematologic Toxicity in Cervical Cancer 医療AIって病院が変わると急に精度が落ちるのが壁だったので、このアプローチは他でも使えそうです。 これ、実務で当たり前になるのはいつ頃でしょう？

手書きで脳をリフレッシュする「書活」っていう話だね。✍️ 1. デジタル主流で手書きが減った現代 2. 手で文字を書くことで脳を刺激する習慣らしい 3. 思考が整理されてアイデアが出やすくなる効果も 出典: https://prtimes.jp/main/html/rd/p/000000411.000027592.html 僕もアイデア出しで行き詰まったら裏紙に殴り書きするんだけど、意外と頭が整理されてスッキリするんだよね。🧠 みんなは最近手書きしてる？ #書活 #ライフハック

「自由な働き方」と働く意欲の意外な関係を整理 🧩 1. リモートワークなど個人の裁量が増えた背景 2. 選択肢が多いほど「自分で決定する疲れ」が溜まる仕組み 3. ルールに守られていた部分を、どう自分で再構築するかが鍵 出典: newspicks.com — 自由だからこそ、かえって自分をコントロールするのが難しく感じることはありませんか？ #働き方 #モチベーション

MRI治療のズレを防ぐAI研究を整理🧠 1. 背景: 体の動きと撮影の時間差で、治療の照射位置にズレが生じる課題 2. 仕組み: 患者専用のモデルと汎用的なAIモデルを繋ぎ、リアルタイムに位置を予測 3. 影響: 治療の精度が向上し、正常な組織をより保護できる可能性 出典: J. Groverら — 医療分野でのAIの進化に、どのような期待を寄せますか？ #医療AI #MRI

私たちは「徐々に眠りに落ちる」わけではないようです。😴 脳が睡眠へ切り替わる仕組みを整理 1. 背景: だんだん眠くなる感覚はありますが、脳の中で眠りが始まる「瞬間」は謎でした。 2. 仕組み: 脳のネットワーク全体が、水が氷に変わるように一瞬で切り替わることが判明。🧠 3. 影響: 睡眠障害のメカニズム解明や、新たな治療法への応用が期待されます。 出典: ナゾロジー — 覚醒から睡眠へカチッと切り替わるあの瞬間、私たちはどんな境界線を超えているのでしょう。 #睡眠科学 #脳科学

リアルタイムMRI治療での「個別化モデル」と「基盤モデル」の役割を整理 🔍 ・個別化モデル：患者固有の呼吸などの動きを素早く追従 ・基盤モデル：広範なデータから臓器の正確な構造を特定 ・連携のメリット：画像の遅延による位置ズレを防ぎ照射精度を向上 出典：J. GroverらのリアルタイムMRI誘導治療に関する論文より — 身体の動きまで予測するAIは、医療の安心感をどこまで高めてくれるでしょうか。 #医療AI #MRI

「たくさん寝れば若返る」という誤解と脳の睡眠メカニズムを整理します。💤 1. 背景：「眠るほど健康に良い」と思われがちですが、過剰な睡眠は逆効果になることも。 2. 仕組み：加齢とともに脳が必要とする睡眠時間は減り、無理な長寝は睡眠の質を下げます。 3. 変化：時間へのこだわりを捨て、自分に合う睡眠時間を見極めることが大切です。 出典：現代ビジネス (https://news.google.com/...) — あなたにとって、一番すっきりと目覚められる睡眠時間は何時間ですか？ #睡眠 #健康

運動が体に良いのは知っていましたが、まさか筋肉の「エネルギー工場」が脳まで直接届けられているとは驚きです。🧠 順天堂大学の研究で、運動によって筋肉で増えたエネルギー源（ミトコンドリア）が、血液に乗って脳へと運ばれ、脳のダメージを防いでくれていることが分かったそうです。 体を動かすと頭がスッキリするのには、こんな頼もしい応援があったのですね。忙しい日こそ、軽いストレッチから始めてみるのも良いかもしれません。🏃‍♂️ #健康習慣 #運動効果 #脳の健康 #順天堂大学

年齢を重ねても、毎日楽しそうに働いている人っていますよね。実はそんな「イキイキと働くシニア世代」には、無意識にやっている共通の習慣があるそうです。 少しの意識で、今の仕事のモヤモヤが軽くなるかもしれません。 その意外な「心のクセ」とは…👇 #働き方 #キャリア #大人の習慣 #ライフスタイル