MRI·PET·CSF 같은 고비용 검사 없이 일상 진료 데이터만으로 알츠하이머병 진행 궤적을 양방향으로 재구성·예측하는 통합 프레임워크 GNOVA를 제안한다. GNOVA는 GRU 인코더와 Neural ODE 디코더를 변분 오토인코더로 결합해, 불규칙한 방문 기록을 입력받아 임의 시점의 인지점수를 연속 추정(보간·외삽)하고 예측 불확실성까지 보정해 제공한다. ADNI 데이터의 환자 1,727명을 10년간 분석한 결과, 신경영상이나 바이오마커 없이 CDR-SB 1.35, MMSE 2.28의 평균절대오차를 달성했다. 특성 제거 분석에서는 나이·BMI·APOE4 상태가 강력한 예측 인자로 나타났다. 자원이 제한된 환경에서도 불완전한 환자 이력을 복원하고 미래 인지 상태를 예측할 수 있게 한다.
- •GRU 인코더+Neural ODE 디코더를 변분 오토인코더로 결합한 알츠하이머 궤적 예측 프레임워크 GNOVA
- •불규칙 방문 기록에서 임의 시점 인지점수를 연속 추정하고 불확실성까지 보정
- •ADNI 환자 1,727명 10년 분석, 신경영상·바이오마커 없이 CDR-SB 1.35·MMSE 2.28 MAE 달성
- •나이·BMI·APOE4 상태가 강력한 예측 인자로 확인
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
Reconstructing and forecasting disease trajectories of patients with Alzheimer's disease using routine data in resource-constrained settings
- 1.알츠하이머 인지점수를 양방향 예측하는 통합 프레임워크 GNOVA(GRU-Neural ODE 변분 오토인코더) 제안
- 2.MRI·PET·CSF 없이 일상 진료 데이터만으로 CDR-SB·MMSE 점수 예측, 불규칙 방문 처리
- 3.ADNI 1,727명 10년 데이터서 CDR-SB MAE 1.35, MMSE MAE 2.28 달성
- 4.특징 제거 분석서 나이·BMI·APOE4가 강력한 예측 인자로 확인
왜 중요한가?
고가의 영상·바이오마커 없이 일상 진료 데이터만으로 인지 궤적을 양방향 복원하고 보정된 불확실성까지 제공한다는 점에서, 자원이 제한된 환경의 알츠하이머 예후 판단에 실용적 가치가 있다.
한국 사회의 급격한 고령화는 알츠하이머병 진단 및 예측의 중요성을 더욱 부각시키고 있습니다. 이 연구는 자원 제약적인 환경에서 일상 데이터를 활용하여 알츠하이머 환자의 질병 궤적을 재구성하고 예측하는 방법을 제시하며, 이는 국내 의료 현장에서 개인 맞춤형 예후 예측을 가능하게 하여 환자 관리 및 의료 자원 효율성을 크게 향상시킬 수 있는 잠재력을 가집니다.
본문 미리보기
arXiv:2606.07798v1 Announce Type: new Abstract: Alzheimer's disease is a progressive neurodegenerative disorder, and its progression varies substantially across patients. Existing work aims to forecast patients' future cognitive state, with minimal focus on reconstructing the state from past visits. Furthermore, in current research, quantifying predictive uncertainty remains underexplored and relies on costly modalities such as MRI, PET, and CSF, limiting their deployment in resource-limited se
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 13:12AI 초안
