人工知能（AI）は、診断の複雑さや治療層別化など、肺癌や中皮腫の診療における多くの課題を解決する可能性を秘めています。特に、病理画像や放射線画像の解析といった反復的で時間のかかるタスクにおいて、AIは大きな力を発揮します。本邦でも導入が検討されている肺がん検診や、複雑化する集学的治療カンファレンス（MDT）において、AI技術をいかに効果的に活用するかが、今後の診療の質を左右する重要な鍵となるでしょう。本レビューは、その現状と将来展望を見事にまとめています。

背景：
肺癌と中皮腫の管理には、診断の複雑さ、治療の層別化、早期発見、画像による定量化など、相当な課題が存在します。中皮腫の発生率が様々であることも、質の高いケアの公平な提供を困難にしています。このような状況において、人工知能（AI）は、臨床的意思決定を強化し、不平等や診療プロセスの遅延を減らす可能性のある、さまざまな支援的・自動化された機能を提供します。

目的：
この最新のナラティブレビューでは、特に日常的な病理画像や放射線画像を取り込むツールに焦点を当て、このトピックに関するエビデンスを統合します。組織学的診断、治療反応予測、放射線学的検出と定量化、生存期間予測など、一般的な集学的治療カンファレンス（MDT）の機能に適用されるAIの長所と短所を要約します。また、新たな生物学的洞察を生み出すことができる新しい手法や、質の高い訓練データへのアクセス、適切な規制・技術インフラなど、導入における現在の障壁についてもレビューします。

レビューの概要：
病理画像で訓練されたニューラルネットワークは、組織学的分類、予後予測、反応予測、生存期間において有用性が証明されています。自己教師ありモデルは、有害な転帰の原因となる生物学的特徴に関する新たな洞察を生み出すこともできます。放射線医学への応用には、肺結節ツールが含まれ、これは間近に迫った肺がん検診や緊急紹介のための重要な診療プロセス支援を提供します。腫瘍のセグメンテーションAIは、腫瘍のサイズと形態の複雑さから読影者による反応評価や体積的病期分類が困難な中皮腫において、特に利点があります。AIはラジオゲノミクスにも不可欠であり、分子的サブタイピングや層別化強化のための非侵襲的マーカーの発見に向けた、分子情報とラジオミクス特徴の効果的な統合を可能にします。

結論：
AIソリューションは、特に病理画像や放射線画像に基づく反復的または時間のかかるタスクにおいて、MDT全体で相当な潜在的利益をもたらします。この技術の効果的な活用は、肺がん検診や、ますます複雑化する診断・予測的MDT機能の効率的な提供にとって不可欠です。将来のAI研究は、AI支援による意思決定の根拠を説明するのに役立つ、透明で解釈可能なアウトプットを含むべきです。