論文の概要: Prediction of Alzheimer's Disease Risk Factors from Retinal Images via Deep Learning: Development and Validation of Biologically Relevant Morphological Associations in the UK Biobank

• arxiv url: http://arxiv.org/abs/2605.00665v1
• Date: Fri, 01 May 2026 13:45:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-04 17:43:28.974293
• Title: Prediction of Alzheimer's Disease Risk Factors from Retinal Images via Deep Learning: Development and Validation of Biologically Relevant Morphological Associations in the UK Biobank
• Title（参考訳）: 深層学習による網膜画像からのアルツハイマー病危険因子の予測:英国バイオバンクにおける生物学的関連形態学的アソシエーションの開発と検証
• Authors: Seowung Leem, Yunchao Yang, Adam J. Woods, Ruogu Fang,
• Abstract要約: 深層学習モデルは、アルツハイマー病(AD)の発生に関連する12の要因を予測するために訓練された。 モデルは6つのカテゴリー(性、喫煙、抑うつ、経済状態、アルコール使用、睡眠不足)と6つの連続(年齢、教育終了年齢、BMI、収縮期、拡張期血圧、HbA1c)を同定した。 DL由来の網膜表現は、ADの潜在的な脆弱性を反映する生物学的に有意なリスク関連構造変化を明らかにする可能性がある。
• 参考スコア（独自算出の注目度）: 1.2179548969182572
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The systemic, metabolic, lifestyle factors have established associations with Alzheimer's Disease (AD) through epidemiologic and AD-specific biomarker studies. Whether colored fundus photography (CFP) contains retinal structural signatures corresponding to these AD-related risk domains remains unclear. To determine whether deep learning (DL) models can predict 12 AD-related risk factors from CFP and to characterize the retinal structures underlying these predictions, thereby assessing whether CFP reflects pathways to AD vulnerability. Using UK Biobank CFPs, DL models were trained using 62,876 images from 44,501 unique participants to predict 12 factors linked to AD incidence: 6 categorical (sex, smoking, sleeplessness, economic status, alcohol use, depression) and 6 continuous (age, age at completing education, BMI, systolic, diastolic blood pressure, HbA1c). Model performance, model saliency, and saliency-derived scores (CAM-Score) were evaluated and compared to retinal morphometry. The scores were also compared between incident-AD cases (average 8.55 years before onset) and matched controls. Performance of DL ranged from AUROC= 0.5654-0.9480 for categorical and R2=-0.0291-0.7620 for continuous factors, outperforming most of the morphometry-machine learning models. Saliency-based score consistently highlighted biologically meaningful regions, particularly the optic nerve head and retinal vasculature. It also aligned with present morphometric variations. Several saliency-based scores differed significantly between incident AD and matched controls, suggesting potential overlap between retinal correlates of risk factors and preclinical AD-associated changes. CFP encodes retinal signatures linked to AD risk factors. Although not diagnostic, DL-derived retinal representations may uncover biologically meaningful risk-related structural changes mirroring the potential AD vulnerability.
• Abstract（参考訳）: 全身的、代謝的、ライフスタイル的要因は、疫学的およびAD特異的なバイオマーカー研究を通じてアルツハイマー病(AD)と関連性を確立している。 色付き眼底撮影(CFP)がこれらのAD関連リスクドメインに対応する網膜構造的シグネチャを含むかどうかは不明である。 深層学習(DL)モデルがCFPから12のAD関連危険因子を予測できるかどうかを判断し、これらの予測の基盤となる網膜構造を特徴付けることにより、CFPがAD脆弱性への経路を反映するかどうかを評価する。 英国のBiobank CFPを用いて、44,501人のユニークな参加者から62,876枚の画像を用いてDLモデルをトレーニングし、6つのカテゴリー(性、喫煙、睡眠不足、経済状態、アルコール使用、抑うつ)、6つの連続(成人、卒業時の年齢、BMI、シストリック、拡張期血圧、HbA1c)のAD発症に関連する12の要因を予測した。 The model performance, model saliency, and saliency- derived scores (CAM-Score) and compared toRetinal morphometry。 スコアは、インシデントAD症例(平均8.55年前)と一致したコントロールとを比較した。 DLの性能はAUROC= 0.5654-0.9480 から連続因子の R2=-0.0291-0.7620 まで様々であった。 サリエンシに基づくスコアは、生物学的に有意な領域、特に視神経頭と網膜血管を一貫して強調した。 また、現在の形態変化とも一致している。 リスク因子の網膜相関とAD関連変化との相関が示唆された。 CFPはAD危険因子に関連する網膜のシグネチャをコードする。 診断はされていないが、DL由来の網膜表現は、ADの潜在的な脆弱性を反映する生物学的に有意なリスク関連構造変化を明らかにする可能性がある。

関連論文リスト

• REVEAL: Multimodal Vision-Language Alignment of Retinal Morphometry and Clinical Risks for Incident AD and Dementia Prediction [16.940822294857757]
  網膜はアルツハイマー病(AD)と認知症に独特の非侵襲的な窓を提供する。 現在の網膜分析フレームワークは、イメージングとリスクファクターを別々にモデル化している。 本稿では,カラーファンドス写真と個別の疾患特異的リスクプロファイルを一致させるフレームワークであるREVEALを紹介する。
  論文  参考訳（メタデータ） (2026-04-20T19:01:54Z)
• R-GenIMA: Integrating Neuroimaging and Genetics with Interpretable Multimodal AI for Alzheimer's Disease Progression [63.97617759805451]
  アルツハイマー病の早期発見には、マクロスケールの神経解剖学的変化とマイクロスケールの遺伝的感受性を統合できるモデルが必要である。 本稿では,新しいROIワイド・ビジョン・トランスフォーマと遺伝的プロンプトを結合した多モード多言語モデルR-GenIMAを紹介する。 R-GenIMAは、通常の認知、主観記憶、軽度認知障害、ADの4方向分類において最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-12-22T02:54:10Z)
• On the Within-class Variation Issue in Alzheimer's Disease Detection [66.70233526150723]
  Alzheimer's Disease (AD) 検出では、ADと非ADの個人を区別するために、機械学習の分類モデルを使用している。 そこで本研究では,サンプルスコア推定器を用いて,認知的スコアと整合した標本特異的なソフトスコアを生成できることを確認した。 ソフトターゲット蒸留(SoTD)とインスタンスレベルの再分散(InRe)の2つの簡易かつ効果的な方法を提案する。
  論文  参考訳（メタデータ） (2024-09-22T02:06:05Z)
• Is plantar thermography a valid digital biomarker for characterising diabetic foot ulceration risk? [1.9029675742486807]
  糖尿病性足潰瘍 (DFU) に関する予報的データがない場合, 原因因子と断面積的関連性を用いて, DFUの危険層化に対する植物温熱画像の妥当性を確かめることができた。 内在型サーモグラフィークラスタとDFUリスクファクターの関連について,教師なしのディープラーニングフレームワークを用いて検討した。
  論文  参考訳（メタデータ） (2024-07-05T17:39:03Z)
• 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)
• An interpretable generative multimodal neuroimaging-genomics framework for decoding Alzheimer's disease [13.213387075528017]
  アルツハイマー病(英語: Alzheimer's disease, AD)は、認知機能障害(Mild Cognitive Impairment, MCI)として知られる前ドロマステージを含む認知症である。 この研究の目的は、マルチモーダルMRIデータと単一核化物多型に依存する脳構造と機能の構造的・機能的調節を捉えることである。
  論文  参考訳（メタデータ） (2024-06-19T07:31:47Z)
• Fairness Evolution in Continual Learning for Medical Imaging [47.52603262576663]
  本研究では、ドメイン固有の公平度指標を用いてタスク間でバイアスがどのように進化し、異なるCL戦略がこの進化にどのように影響するかを検討する。 以上の結果から,擬似ラベルと擬似ラベルの学習は最適分類性能を実現するが,擬似ラベルの偏りは小さいことが示唆された。
  論文  参考訳（メタデータ） (2024-04-10T09:48:52Z)
• A Surface-Based Federated Chow Test Model for Integrating APOE Status, Tau Deposition Measure, and Hippocampal Surface Morphometry [18.36168858563601]
  アルツハイマー病(英: Alzheimer's Disease、AD)は、認知症で最も一般的な疾患であり、CDCのデータによると65歳以上の6200万人に影響を及ぼす。 有効なAD診断バイオマーカーの発見は、公衆衛生上の大きな利益をもたらす可能性があると一般的に合意されている。
  論文  参考訳（メタデータ） (2023-03-31T21:17:54Z)
• A deep learning framework for the detection and quantification of drusen and reticular pseudodrusen on optical coherence tomography [2.8629288334017216]
  光コヒーレンストモグラフィーによるドライセンおよびレティキュラー擬似ドライセン(RPD)の検出と定量化のためのディープラーニングフレームワークの開発と評価を行った。
  論文  参考訳（メタデータ） (2022-04-05T14:02:45Z)

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。