AI-modell rekonstruálja az Alzheimer-kór teljes lefolyását rutin adatokból

Az Alzheimer-kór progressziója jelentősen eltér a betegek között, ám a meglévő kutatások minimális figyelmet fordítanak a múltbeli vizsgálati adatokból való rekonstrukcióra. A kutatók egy új, GNOVA nevű AI-keretrendszert dolgoztak ki, amely képes a kór teljes lefolyásának bidirekcionális előrejelzésére, mindezt rutinvizsgálatok során gyűjtött adatokból, drága képalkotó vagy biomarker vizsgálatok nélkül. Az előrejelzésekhez jól kalibrált bizonytalansági becslést is nyújt. (ArXiv AI)

A GNOVA keretrendszer működése

A GNOVA, egy GRU-Neural ODE Variational Autoencoder, egy kapuzott rekurrens egység (GRU) enkódert és egy neurális közönséges differenciálegyenlet (ODE) dekódert kombinál egy variációs autoencoder keretében. A GRU enkóder bármennyi bemenetet képes kezelni bármikor, míg a neurális ODE dekóder folyamatos becslést végez, lehetővé téve az interpolációt és extrapolációt bármely kívánt időpontban. A variációs autoencoder pedig a becslések bizonytalanságának felmérését teszi lehetővé.

Kapcsolódó: AI-alapú diagnosztika

Eredmények és alkalmazási lehetőségek

A kutatás során 1727 beteg 10 éven át tartó ADNI adathalmazát elemezték. A modell átlagos abszolút hibája 1,35 volt a CDR-SB (Clinical Dementia Rating Sum of Boxes) és 2,28 az MMSE (Mini-Mental State Examination) pontszámok esetében. A modell nem igényelt neuroimaging vagy biomarker adatokat. A kiábrándulási tanulmányok kimutatták, hogy az életkor, a BMI és az APOE4 státusz erős prediktív tényezők voltak. A GNOVA keretrendszer képes a hiányos betegtörténetek rekonstruálására és a jövőbeli kognitív állapotok előrejelzésére, ami segítheti a klinikusokat a prognosztikai döntéshozatalban.

Kapcsolódó: Egocentrikus navigáció

Erőforrás-szűkös környezetekben is alkalmazható

A GNOVA keretrendszer pontossága és az alacsony adatigénye révén különösen alkalmas lehet olyan erőforrás-szűkös környezetekben, ahol a drága diagnosztikai eszközök nem állnak rendelkezésre. A modell használata a klinikai beállítások teljes erőforrás-szabadság spektrumán az ADNI adathalmazán alapul.

Kapcsolódó: Diffúziós nyelvi modellek