認知機能低下評価のためのパーソナライズド・デジタルツインに向けて：マルチモーダルかつ不確実性を考慮したフレームワーク

Abstract

認知機能低下は個人間で非常に不均一であり、これが予後予測、試験デザイン、治療計画を複雑にします。本研究では、個別化された認知機能低下評価デジタルツイン（PCD-DT）を提示します。これは、疎でノイズの多い、不規則な縦断データから患者ごとの疾患経過をモデル化するための、多モーダルかつ不確実性を考慮した枠組みです。この枠組みは、3つの方法論的構成要素を組み合わせます：(1) 個別化された時間ダイナミクスのための潜在状態空間モデル、(2) 臨床、バイオマーカー、画像の特徴に対するマルチモーダル融合、(3) 堅牢なデジタルツイン運用のための不確実性を考慮した検証と適応的な更新。さらに、条件付き生成モデルが、過少に表現された進行パターンに対するデータ拡張およびストレステストをどのように支援できるかも概説します。予備的な実現可能性の検討として、縦断TADPOLEの軌跡を解析し、ADAS13、脳室容積、海馬容積において、5年間で認知機能正常群とアルツハイマー病群が明確に分離されることを示します。加えて、TADPOLEから導出した3{,}003の受診ペア系列に対して、LSTM系列モデルを用いたマルチモーダルな次回受診予測のアブレーションも実施します。認知機能＋MRIの組合せ構成は、ADAS13（0.4419）と脳室容積（0.5842）の両方において、最も低い標準化RMSEを達成し、Last Observation Carried Forward（前回観測値の持ち越し）ベースラインを上回ります。高次元画像融合のためのベイズテンソルモデリング要素についても議論します。これらの結果は提案アーキテクチャの実現可能性を支持すると同時に、より強力な不確実性キャリブレーションと、より長い予測ホライズンにわたる評価の必要性を強調しています。PCD-DTフレームワークは、神経変性疾患におけるパーソナライズされたin silicoモデリングのための、原理に基づく出発点を提供します。本研究は、PCD-DTを、不確実性を考慮した、臨床導入可能なデジタルツインシステムに向けた基盤的なステップとして位置づけます。