Wataru Gonoi 研究室
主宰者：Wataru Gonoi
東京大学・University of Tokyo Hospital
AI 要約（直近 5 年の研究成果）
本研究室は、医療画像から得られる情報を活用して、疾患の診断・予後評価・治療判定を行うための研究に取り組んでいます。特にコンピュータ断層撮影検査（CT）やMRI画像を対象として、画像解析技術を開発・応用することが中心です。
具体的には、①患者の身体組成（筋肉量や脂肪分布）を画像から測定し、がんなどの疾患の予後予測に役立てる研究、②膵臓疾患や肺がん、頭頸部がん、婦人科疾患など複数の臓器・疾患に対する画像診断の精密化、③死後の病理診断を支援するための画像解析、の3つの領域で研究が進められています。さらに近年は、人工知能（特に大規模言語モデル）を用いて医療報告書から疾患情報を自動抽出したり、診断支援を行う取り組みも展開しており、これらを組み合わせることで臨床診療をより効率的で正確にすることを目指しています。
※ AI（Claude）が、公開されている論文要旨から研究の問い・手法・主要な発見を事実情報として抽出・再構成して自動生成しています。誤りを含む可能性があるため、正確性は研究室公式情報でご確認ください。
外部リンク
関連研究室(8 件)
- 医学Yoshinori Murakami 研究室東京大学論文 48 件·共通: がん, 医学・健康科学, 解析, 数学 +4
- 医学Katsutoshi Oda 研究室University of Tokyo Hospital論文 101 件·共通: がん, 医学・健康科学, 肺, 循環器・呼吸器 +2
- 医学Hideo Yasunaga 研究室University of Tokyo Health Sciences論文 100 件·共通: 医学・健康科学, がん, 循環器・呼吸器, 解析 +2
- 生化学・分子生物学・遺伝学Masahide Seki 研究室東京大学論文 62 件·共通: 解析, 数学, 純粋数学, がん +4
- 生化学・分子生物学・遺伝学Kai Wang 研究室名古屋大学論文 25 件·共通: がん, 医学・健康科学, 肺, 循環器・呼吸器 +4
- 生化学・分子生物学・遺伝学Yukio Ando 研究室Nagoya University Hospital論文 25 件·共通: がん, 医学・健康科学, 肺, 循環器・呼吸器 +4
- 生化学・分子生物学・遺伝学Noriko Miyake 研究室名古屋大学論文 25 件·共通: 解析, 数学, 純粋数学, 肺 +4
- 生化学・分子生物学・遺伝学Hiroshi Nishihara 研究室慶應義塾大学論文 25 件·共通: がん, 医学・健康科学, 肺, 循環器・呼吸器 +4
研究成果（91 件）
- DOI: https://doi.org/10.7759/cureus.102643
- DOI: https://doi.org/10.1016/j.fri.2026.200768
- DOI: https://doi.org/10.7759/cureus.101444
- DOI: https://doi.org/10.1371/journal.pone.0313468
- DOI: https://doi.org/10.1016/j.clnesp.2026.103118
- [2026] Reply to Vanella et al.DOI: https://doi.org/10.1055/a-2764-1669
- DOI: https://doi.org/10.1016/j.clnesp.2026.103118
- DOI: https://doi.org/10.1016/j.fri.2026.200768
- DOI: https://doi.org/10.1212/nxg.0000000000200293
- DOI: https://doi.org/10.1055/a-2654-4317
続きを表示（残り 81 件）閉じる
- DOI: https://doi.org/10.1007/s11604-025-01814-5
- DOI: https://doi.org/10.1007/s11604-025-01888-1
- DOI: https://doi.org/10.7759/cureus.91209
- DOI: https://doi.org/10.1212/nxg.0000000000200293
- DOI: https://doi.org/10.1007/s11604-025-01814-5
- DOI: https://doi.org/10.1007/s11604-025-01812-7
- DOI: https://doi.org/10.1007/s11604-025-01812-7
- DOI: https://doi.org/10.20736/0002002061
- DOI: https://doi.org/10.1007/s11604-025-01797-3
- DOI: https://doi.org/10.7759/cureus.83721
- DOI: https://doi.org/10.7759/cureus.91209
- DOI: https://doi.org/10.1007/s11604-025-01743-3
- DOI: https://doi.org/10.1007/s11604-025-01743-3
- [2025] Reply to Ancil et al.DOI: https://doi.org/10.1055/a-2703-3919
- DOI: https://doi.org/10.7759/cureus.96448
- DOI: https://doi.org/10.1212/nxg.0000000000200324
- DOI: https://doi.org/10.1007/s11604-025-01888-1
- DOI: https://doi.org/10.1007/s11604-025-01797-3
- DOI: https://doi.org/10.1016/j.igie.2024.06.006
- DOI: https://doi.org/10.1016/j.gie.2024.04.1936
- DOI: https://doi.org/10.7759/cureus.67306
- DOI: https://doi.org/10.7759/cureus.75532
- DOI: https://doi.org/10.1016/j.gassur.2024.101919
- DOI: https://doi.org/10.1007/s11604-024-01634-z
- DOI: https://doi.org/10.1002/jpen.2666
- DOI: https://doi.org/10.1016/j.gie.2024.04.2055
- DOI: https://doi.org/10.7759/cureus.75532
- DOI: https://doi.org/10.1007/s11604-024-01712-2
- DOI: https://doi.org/10.1016/j.gassur.2024.101919
- DOI: https://doi.org/10.7759/cureus.72383
- DOI: https://doi.org/10.1007/s11604-024-01634-z
- DOI: https://doi.org/10.1002/jpen.2666
- [2024] Diagnostic performances of GPT-4o, Claude 3 Opus, and Gemini 1.5 Pro in “Diagnosis Please” casesDOI: https://doi.org/10.1007/s11604-024-01619-y
- DOI: https://doi.org/10.1016/j.igie.2024.06.006
- DOI: https://doi.org/10.1371/journal.pone.0304993
- DOI: https://doi.org/10.1371/journal.pone.0304993
- DOI: https://doi.org/10.1016/j.gie.2024.04.2055
- DOI: https://doi.org/10.1016/j.gie.2024.04.1936
- DOI: https://doi.org/10.6009/jjrt.2024-1421
- DOI: https://doi.org/10.6009/jjrt.2024-1421
- [2023] The importance of ethnic-specific cut-offs of low muscle mass for survival prediction in oncologyDOI: https://doi.org/10.1016/j.clnu.2023.11.029
- [2023] The importance of ethnic-specific cut-offs of low muscle mass for survival prediction in oncologyDOI: https://doi.org/10.1016/j.clnu.2023.11.029
- DOI: https://doi.org/10.1007/s12553-022-00724-0
- DOI: https://doi.org/10.1016/j.jflm.2022.102461
- [2022] Development of a deep learning method for improving diagnostic accuracy for uterine sarcoma casesDOI: https://doi.org/10.1038/s41598-022-23064-5
- DOI: https://doi.org/10.1007/s11604-022-01301-1
- DOI: https://doi.org/10.1016/j.fri.2022.200497
- DOI: https://doi.org/10.1007/s12553-022-00724-0
- DOI: https://doi.org/10.1016/j.fri.2022.200497
- DOI: https://doi.org/10.1016/j.jflm.2022.102461
- DOI: https://doi.org/10.1007/s11604-022-01301-1
- DOI: https://doi.org/10.1016/j.humpath.2022.02.015
- DOI: https://doi.org/10.1016/j.humpath.2022.02.015
- [2022] Development of a deep learning method for improving diagnostic accuracy for uterine sarcoma casesDOI: https://doi.org/10.1038/s41598-022-23064-5
- DOI: https://doi.org/10.1016/j.resinv.2021.03.002
- DOI: https://doi.org/10.1016/j.clinimag.2021.03.017
- DOI: https://doi.org/10.1007/s00261-021-03006-x
- DOI: https://doi.org/10.1007/s00261-021-02986-0
- [2021] Longitudinal comparison of ascites attenuation between antemortem and postmortem computed tomographyDOI: https://doi.org/10.1016/j.forsciint.2021.110727
- DOI: https://doi.org/10.1016/j.heliyon.2021.e07743
- DOI: https://doi.org/10.1007/s12149-021-01654-z
- DOI: https://doi.org/10.1016/j.radcr.2021.04.065
- DOI: https://doi.org/10.1016/j.radcr.2021.04.052
- DOI: https://doi.org/10.1016/j.resinv.2021.03.002
- DOI: https://doi.org/10.1016/j.clinimag.2021.03.017
- DOI: https://doi.org/10.1007/s00261-021-03006-x
- DOI: https://doi.org/10.1007/s00261-021-02986-0
- DOI: https://doi.org/10.1007/s00234-021-02729-4
- DOI: https://doi.org/10.1097/md.0000000000027942
- [2021] Longitudinal comparison of ascites attenuation between antemortem and postmortem computed tomographyDOI: https://doi.org/10.1016/j.forsciint.2021.110727
- DOI: https://doi.org/10.3390/jcm11010164
- DOI: https://doi.org/10.3390/jcm11010164
- DOI: https://doi.org/10.1097/md.0000000000027942
- [2021] Incidence and computed tomography findings of lenvatinib-induced pancreatobiliary inflammationDOI: https://doi.org/10.1097/md.0000000000027182
- DOI: https://doi.org/10.1016/j.ejso.2021.08.017
- [2021] Incidence and computed tomography findings of lenvatinib-induced pancreatobiliary inflammationDOI: https://doi.org/10.1097/md.0000000000027182
- DOI: https://doi.org/10.1016/j.ejso.2021.08.017
- DOI: https://doi.org/10.1016/j.heliyon.2021.e07743
- DOI: https://doi.org/10.1007/s12149-021-01654-z
- DOI: https://doi.org/10.1016/j.radcr.2021.04.065
- DOI: https://doi.org/10.1016/j.radcr.2021.04.052
科研費（0 件）
まだデータがありません（KAKEN 取り込み後に表示）。
所属学会・役職（0 件）
まだデータがありません（学会データ連携後に表示）。