CognitiveTwin：アルツハイマー病における認知低下を予測するための頑健なマルチモーダル・デジタルツイン

要旨: アルツハイマー病（AD）における個々の認知機能低下を予測することは、疾患進行の異質性（ヘテロジェネイティ）が原因で困難です。信頼できる臨床ツールには、高い精度だけでなく、人口統計（デモグラフィ）間での公平性、ならびに欠損データへの頑健性が求められます。本研究では、患者ごとの認知の推移（トラジェクトリ）を予測するデジタルツインの枠組みである CognitiveTwin を提案します。このモデルは、多様なモダリティの経時データ（認知スコア、磁気共鳴画像、陽電子放出断層撮影、脳脊髄液バイオマーカー、ならびに遺伝学）を統合します。モダリティを融合するためにトランスフォーマーに基づくアーキテクチャを用い、時間的ダイナミクスを捉えるためにディープ・マルコフ・モデルを用います。TADPOLE（Alzheimer's Disease Neuroimaging Initiative）データセットの 1,666 人の患者データを用いて、この枠組みを訓練および評価しました。予測誤差、人口統計上の公平性、ならびに欠損が「無作為ではない（not-at-random）」パターン（MNAR）に対する頑健性についてモデルを評価しました。CognitiveTwin は、認知機能低下を高精度かつ個別化して予測します。患者の人口統計にまたがる公平性と、臨床上の脱落（ドロップアウト）に対する回復力（レジリエンス）が実証されていることから、臨床試験の被験者選定（trial enrichment）および個別化されたケア計画のための信頼できるツールとなります。