データが限られた状況でのアルツハイマー病への移行予測におけるTabPFNの評価：軽度認知障害（MCI）からの変換
arXiv cs.AI / 2026/5/1
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本研究では、ADNI由来のTADPOLEデータセットを用いて、軽度認知障害（MCI）からアルツハイマー病（AD）への3年後の移行を予測するためにTabPFN（タブular向け基盤モデル手法）を評価しています。
- XGBoost、Random Forest、LightGBM、Logistic Regressionといった従来型MLモデルと比較し、人口統計、APOE4、MRI体積、CSFマーカー、PET画像を含むマルチモーダルなバイオマーカー特徴量を用いて検証しました。
- 学習データサイズ（N=50〜N=1000）を変えて検証した結果、TabPFNが最良の性能を示し、AUCは0.892でした。LightGBMはAUC=0.860でTabPFNに劣りました。
- 低データ領域（例：N=50）では、TabPFNはAUCを維持した一方で、従来モデルは小規模学習により性能低下が大きかったことが示されています。
- 長期縦断データが限られる状況（アルツハイマー病の移行リスク推定など）において、基盤モデル的アプローチが疾患予測で有望であることを示唆する結果です。
