rs-fMRI と履歴を考慮したグラフニューラルネットワークによるアルツハイマー病の進行予測
arXiv cs.CV / 2026/4/9
💬 オピニオンSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、アルツハイマー関連の認知障害を有する個人が次回の臨床受診時により重度の段階へ移行するかどうか（CN、MCI、またはAD）を予測するグラフニューラルネットワークモデルを提示する。
- 休息状態機能的MRI（rs-fMRI）から機能的結合性のグラフを構築し、303名の被験者で学習する。ここでは、受診を孤立したサンプルとして扱うのではなく、各被験者の受診歴全体を活用する。
- 本手法では、RNN成分に加えて受診間の距離情報を導入し、受診間隔が不規則であることを扱う。その結果、不均一な臨床フォローアップのスケジュールに対して学習できる。
- 欠測した受診があっても頑健であることが報告されており、全体の精度は82.9%である。特に難易度の高いCN→MCIの変換課題では68.8%の精度を達成している。
- 著者らは、rs-fMRIに基づく予測（他のモダリティと組み合わせる可能性も含む）が、進行の早期同定を支援し、適切なタイミングで介入を可能にすると主張している。
