論文の概要: PROMISE-AD: Progression-aware Multi-horizon Survival Estimation for Alzheimer's Disease Progression and Dynamic Tracking

• arxiv url: http://arxiv.org/abs/2604.28055v1
• Date: Thu, 30 Apr 2026 16:01:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-01 16:31:54.188677
• Title: PROMISE-AD: Progression-aware Multi-horizon Survival Estimation for Alzheimer's Disease Progression and Dynamic Tracking
• Title（参考訳）: ProMISE-AD: アルツハイマー病の進行と動的追跡のための進行型マルチホライゾン生存推定法
• Authors: Qing Lyu, Jeremy Hudson, Mohammad Kawas, Yuming Jiang, Chenyu You, Christopher T Whitlow,
• Abstract要約: アルツハイマー病(AD)の進行予測には、不規則な訪問、診断漏れの回避、地平線リスクの提供といったモデルが必要である。 認知正常(CN)から軽度認知障害(MCI)への変換を予測するためのリークセーフサバイバルフレームワークProMISE-ADを提案する。 ProMISE-ADは、インデクス前訪問を標準化された測定値、不足マスク、縦方向の変化、時間正規化斜面、訪問タイミング、非診断的カテゴリー属性でMCIトークンに変換する。
• 参考スコア（独自算出の注目度）: 12.168319671275375
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Individualized Alzheimer's disease (AD) progression prediction requires models that use irregular visits, account for censoring, avoid diagnostic leakage, and provide calibrated horizon risks. We propose PROgression-aware MultI-horizon Survival Estimation for Alzheimer's Disease (PROMISE-AD), a leakage-safe survival framework for predicting conversion from cognitively normal (CN) to mild cognitive impairment (MCI) and from MCI to AD dementia using ADNI/TADPOLE tabular histories. PROMISE-AD converts pre-index visits into tokens with standardized measurements, missingness masks, longitudinal changes, time-normalized slopes, visit timing, and non-diagnostic categorical attributes. A temporal Transformer fuses global, attention-pooled, and latest-visit representations to estimate a progression score and latent discrete-time mixture hazards. Training combines survival likelihood, horizon-specific focal risk loss, progression ranking, hazard smoothness, and mixture-balance regularization, followed by validation-set isotonic calibration for 1-, 2-, 3-, and 5-year risks. In held-out testing across three seeds, PROMISE-AD achieved an integrated Brier score (IBS) of 0.085 $\pm$ 0.012, C-index of 0.808 $\pm$ 0.015, and mean time-dependent AUC of 0.840 $\pm$ 0.081 for CN-to-MCI conversion, yielding the lowest IBS among compared methods. For MCI-to-AD conversion, PROMISE-AD achieved the highest C-index (0.894 $\pm$ 0.018) and near-ceiling 5-year discrimination (AUROC 0.997 $\pm$ 0.003; AUPRC 0.999 $\pm$ 0.001), although some baselines had lower IBS. Ablations and interpretability supported longitudinal change features, fused temporal representations, mixture hazards, cognitive and functional measures, APOE4 status, and recent conversion-proximal visits. These findings suggest that progression-aware survival modeling can provide interpretable multi-horizon AD conversion risk estimates.
• Abstract（参考訳）: 個人化されたアルツハイマー病(AD)の進行予測には、不規則な訪問、検閲の説明、診断漏れの回避、調整された地平線リスクを提供するモデルが必要である。 認知正常 (CN) から軽度認知障害 (MCI) への転換を予測し, ADNI/TADPOLE による認知障害からAD認知症への転換を予測するためのリークセーフサバイバル・フレームワークであるアルツハイマー病 (PROMISE-AD) に対するプログレッション対応MultI-horizonサバイバル・サバイバル・サバイバル・アセスメント(Progression-aware-aware-horizon Survival Estimation)を提案する。 PROMISE-ADは、プレインデックス訪問を標準化された測定値、欠落マスク、縦方向の変化、時間正規化斜面、訪問タイミング、非診断的カテゴリ属性のトークンに変換する。 時間変換器は、グローバル、アテンションプール、最新のビジット表現を融合させ、進行スコアと遅延離散時間混合ハザードを推定する。 トレーニングは、生存可能性、地平線固有の焦点リスク損失、進行ランク、ハザード・スムースネス、混合バランスの正規化を組み合わせ、1年、2年、3年、5年のリスクに対する検証セットのイソトニックキャリブレーションを併用する。 PROMISE-ADは3種の種子に対する保持試験において、0.085$\pm$0.012、Cインデックス0.808$\pm$0.015、平均時間依存AUC0.840$\pm$0.081、CN-to-MCI変換では最低のIBSを得た。 MCI-AD変換において、ProMISE-ADは最高 C-index (0.894 $\pm$ 0.018) を達成し、5年近く続く差別 (AUROC 0.997 $\pm$ 0.003; AUPRC 0.999 $\pm$ 0.001) を達成したが、いくつかのベースラインはIBSを下げた。 アブレーションと解釈性は, 経時的変化の特徴, 融合した時間的表現, 混合障害, 認知的・機能的尺度, APOE4 状態, および近年の転向近位訪問を支持した。 これらの結果から, 進行認識型生存モデルにより, 解釈可能な多軸AD変換リスク推定が可能であることが示唆された。

関連論文リスト

• Longitudinal Boundary Sharpness Coefficient Slopes Predict Time to Alzheimer's Disease Conversion in Mild Cognitive Impairment: A Survival Analysis Using the ADNI Cohort [0.0]
  軽度の認知障害のある人がアルツハイマー病(AD)に進行するかどうかを予測することは、神経変性の初期段階において不可欠である。 境界シャープネス係数(Bundary Sharpness Coefficient)は、構造MRIにおける白黒物質の境界がいかによく定義されているかを測定する。 この研究は、450人のADNI患者から1,824個のT1強調MRIスキャンを解析した。
  論文  参考訳（メタデータ） (2026-03-27T01:53:59Z)
• Suppressing Prior-Comparison Hallucinations in Radiology Report Generation via Semantically Decoupled Latent Steering [94.37535002230504]
  本研究では,Semantically Decoupled Latent Steeringと呼ばれる学習自由な推論時間制御フレームワークを開発した。 提案手法は,大言語モデル (LLM) による意味分解による意味のない介入ベクトルを構築する。 本手法は歴史的幻覚の可能性を著しく低下させることを示す。
  論文  参考訳（メタデータ） (2026-02-27T04:49:01Z)
• Dual Model Deep Learning for Alzheimer Prognostication [4.970364068620607]
  PROGRESSは単一の脳脊髄液バイオマーカー評価を実行可能な予後推定に変換する。 深層生存モデルでは、軽度認知障害から認知症への転換までの時間を推定する。 コックス比例リスク、ランダムサバイバルフォレスト、および生存予測のための勾配促進法を著しく上回っている。
  論文  参考訳（メタデータ） (2025-12-22T07:08:20Z)
• Transparent Early ICU Mortality Prediction with Clinical Transformer and Per-Case Modality Attribution [42.85462513661566]
  ICU滞在後48時間から, 生理的時系列測定と非構造的臨床記録とを融合した, 軽量で透明なマルチモーダルアンサンブルを提案する。 ロジスティック回帰モデルは、バイタル用双方向LSTMとノート用微調整された臨床ModernBERT変換器の2つのモード固有モデルからの予測を組み合わせる。 MIMIC-IIIベンチマークでは、遅延融合アンサンブルは、よく校正された予測を維持しながら、最高の単一モデルに対する差別を改善する。
  論文  参考訳（メタデータ） (2025-11-19T20:11:49Z)
• Ensemble Survival Analysis for Preclinical Cognitive Decline Prediction in Alzheimer's Disease Using Longitudinal Biomarkers [0.9509915687694127]
  従来の生存モデルは、病気の進行に伴う複雑な縦長のバイオマーカーパターンを捉えることができない。 臨床経過の早期予測を改善するために,複数の生存モデルを統合するアンサンブルサバイバル分析フレームワークを提案する。 ベースライン後の1回の訪問は予測精度を大幅に改善した(48.1%のCインデックス、48.2%のAUCゲイン)。
  論文  参考訳（メタデータ） (2025-03-20T18:56:32Z)
• Comprehensive Methodology for Sample Augmentation in EEG Biomarker Studies for Alzheimers Risk Classification [0.0]
  主な型であるアルツハイマー病(AD)は70%の症例である。 脳波測定はADリスクを識別する可能性を示しているが、信頼性の高い比較のために大規模なサンプルを取得することは困難である。 本研究では,信号処理,調和化,統計的手法を統合し,サンプルサイズを向上し,ADリスク分類の信頼性を向上させる。
  論文  参考訳（メタデータ） (2024-11-20T10:31:02Z)
• AXIAL: Attention-based eXplainability for Interpretable Alzheimer's Localized Diagnosis using 2D CNNs on 3D MRI brain scans [43.06293430764841]
  本研究では,3次元MRIを用いたアルツハイマー病診断の革新的手法を提案する。 提案手法では,2次元CNNがボリューム表現を抽出できるソフトアテンション機構を採用している。 ボクセルレベルの精度では、どの領域に注意が払われているかを同定し、これらの支配的な脳領域を同定する。
  論文  参考訳（メタデータ） (2024-07-02T16:44:00Z)
• Efficient and Sharp Off-Policy Evaluation in Robust Markov Decision Processes [44.974100402600165]
  意思決定プロセス(MDP)に対する最良パラメトリックかつ最悪の摂動の評価について検討する。 我々は、元のMDPからの遷移観測を用いて、それらが同一または異なるポリシーの下で生成されるかのどちらかを判断する。 我々の推定器はウォルドの信頼区間を用いた統計的推測も行う。
  論文  参考訳（メタデータ） (2024-03-29T18:11:49Z)
• AttDMM: An Attentive Deep Markov Model for Risk Scoring in Intensive Care Units [20.96242356493069]
  ICUにおけるリアルタイムリスクスコアリングのための新しい生成的深層確率モデルを提案する。 私たちの知る限りでは、AttDMMは、健康軌道における長期疾患のダイナミクス(注意)と異なる疾患状態の両方を共同で学習する最初のICU予測モデルである。 本モデルは,医療従事者が早期に介入し,患者の命を救えるよう,リスクのある患者を特定するための道筋を示す。
  論文  参考訳（メタデータ） (2021-02-09T08:44:31Z)
• COVI-AgentSim: an Agent-based Model for Evaluating Methods of Digital Contact Tracing [68.68882022019272]
  COVI-AgentSimは、ウイルス学、病気の進行、社会的接触ネットワーク、移動パターンに基づくエージェントベースのコンパートメンタルシミュレータである。 1)バイナリテスト結果に基づいてバイナリレコメンデーションを割り当てる標準バイナリコンタクトトレース (BCT) と,2) 多様な特徴に基づいてグレードレベルのレコメンデーションを割り当てる特徴ベースコンタクトトレース (FCT) のルールベースの手法である。
  論文  参考訳（メタデータ） (2020-10-30T00:47:01Z)
• UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced Data [81.00385374948125]
  我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。 UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。 非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。 UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
  論文  参考訳（メタデータ） (2020-10-22T02:28:11Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。