Abstract
個別化されたアルツハイマー病（AD）の進行予測には、不規則な受診を用いるモデル、打ち切り（censoring）を考慮するモデル、診断のリーケージを回避するモデル、そして較正された（calibrated）ホライズンリスクを提供するモデルが必要である。我々は、ADNI/TADPOLEの表形式の履歴データを用いて、認知機能正常（CN）から軽度認知障害（MCI）への転換、ならびにMCIからAD認知症への転換を予測するための、リーケージに安全なサバイバル（生存）枠組みであるPROgression-aware MultI-horizon Survival Estimation for Alzheimer's Disease（PROMISE-AD）を提案する。PROMISE-ADは、インデックス前の受診を、標準化された測定値、欠測マスク、縦断的変化、時間正規化された傾き、受診時期、非診断的なカテゴリ属性を含むトークンへと変換する。時系列トランスフォーマーは、グローバル表現、注意（attention）によりプーリングされた表現、そして最新受診の表現を融合し、進行スコアと潜在的な離散時間混合ハザードを推定する。学習は、生存尤度、ホライズン別の焦点付きリスク損失（focal risk loss）、進行ランキング、ハザード平滑化、ならびに混合のバランス正則化を組み合わせて行い、その後、1年、2年、3年、5年リスクに対して検証集合での等調回帰（isotonic calibration）による較正を行う。3つのシードにわたる保持テストでは、PROMISE-ADは統合Brierスコア（IBS）0.085
\pm 0.012、C-index 0.808
\pm 0.015、そしてCN-to-MCI転換に対する平均時変AUC 0.840
\pm 0.081を達成し、比較手法の中で最も低いIBSを実現した。MCI-to-AD転換では、PROMISE-ADは最高のC-index（0.894
\pm 0.018）と、5年の弁別能がほぼ天井に近い性能（AUROC 0.997
\pm 0.003；AUPRC 0.999
\pm 0.001）を達成したが、一部のベースライン手法はより低いIBSを示した。アブレーション解析と解釈可能性の検討は、縦断的変化特徴、融合された時系列表現、混合ハザード、認知および機能の測定、APOE4ステータス、ならびに最近の転換に近い受診（conversion-proximal visits）を支持した。これらの結果は、進行を意識したサバイバルモデリングが、解釈可能なマルチホライズンのAD転換リスク推定を提供し得ることを示唆している。
