医療・歯科画像のノーコード／ローコードAI：138研究のスコーピングレビュー
押さえるべきポイント
PubMed、Web of Science、Google Scholarを検索し、医科画像127研究と歯科画像11研究を採用した。
歯科では、う蝕検出、修復物の識別、発育段階の評価を中心に、分類・物体検出・領域分割が扱われた。
医科ではより広い診療分野・画像モダリティにAutoMLやローコードが用いられた。全体として性能は有望とされたが、外部検証の報告状況は不均一だった。
研究を読み解く
原文抄録に基づく日本語要約。全文翻訳ではありません。
医療画像のノーコード、ローコード、自動機械学習（LCNC/AutoML）の用途と方法をまとめたスコーピングレビュー。138研究のうち歯科画像は11研究で、歯科への応用はノーコード基盤に限られた。性能には可能性がみられた一方、外部検証の報告は一貫していなかった。
診療との接点を考える
編集上の考察。個別の治療指示ではありません。
編集考察：歯科の画像研究に臨床家が参加するための開発手段を整理した資料である。施設に合わせたモデル作成の可能性はあるが、使用する課題・環境ごとの検証を伴う補完的な手段として捉える必要がある。
限界と注意点
- 編集考察：歯科の根拠は11研究に限られ、抄録には個別の性能値や統合推定値がない。一般化可能性、規制要件、課題の複雑さが残るため、使いやすさを臨床的妥当性と同一視できない。
AIによる執筆と別工程の原文照合。歯科医師未監修。初版：2026-09-17、更新：2026-09-17。照合日：2026-09-17
原文・出典
No-Code and Low-Code Artificial Intelligence in Healthcare Imaging: A Scoping Review.
Hamdan M, Badr Z, Uribe SE, Reymus M, Kalenderian E, Schwendicke F.
International dental journal
原著公開：（オンライン公開日）
出典確認：2026-09-17。診療分野：医療の質（仮分類）