論文の概要: Transition-Based Digital Twin Modelling for Alzheimer's Disease under Sparse Longitudinal Data

• arxiv url: http://arxiv.org/abs/2606.09671v1
• Date: Mon, 08 Jun 2026 15:54:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:07.487448
• Title: Transition-Based Digital Twin Modelling for Alzheimer's Disease under Sparse Longitudinal Data
• Title（参考訳）: Sparse Longitudinal Data によるアルツハイマー病の経時的デジタル双極子モデリング
• Authors: Yinyu Huang, Yilin Zhang, Sofia Michopoulou, Christopher Kipps, Rahman Attar,
• Abstract要約: アルツハイマー病(AD)の進行は非常に異質であり、通常はスパースと不規則な経時的データによって観察される。 多モード長手データを用いたAD予測とシナリオベース分析のための個人化ディジタルツインフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 4.4427416958561405
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Alzheimer's disease (AD) progression is highly heterogeneous and is typically observed through sparse and irregular longitudinal data, posing challenges for prediction and personalised monitoring. Existing machine learning approaches have improved AD prediction using multimodal data, yet often focus on static classification or cohort-level risk estimation, providing limited support for subject-specific modelling and uncertainty-aware reasoning. To address these limitations, we present a personalised digital twin framework for AD prediction and scenario-based analysis using multimodal longitudinal data. The proposed approach integrates complementary modelling strategies to capture clinical transitions and temporal dependencies across visits. Using data from the Alzheimer's Disease Neuroimaging Initiative (ADNI), including cognitive assessments, clinical variables, and MRI-derived phenotypes, the framework predicts cognitive status and diagnostic categories while quantifying predictive uncertainty and enabling patient-specific what-if trajectory analysis. Evaluation on leak-free subject-level splits demonstrates strong performance in score forecasting and diagnosis classification. In this sparse and irregular ADNI setting, transition-based modelling of adjacent visits achieved higher predictive accuracy than the sequence-based branch, suggesting that local transition modelling may be more data-efficient. While sequence models remain valuable for uncertainty-aware trajectory forecasting, local transition modelling offers a more data-efficient and robust predictive strategy. These findings highlight the importance of aligning temporal modelling strategies with clinical data structure and suggest that transition-based digital twin formulations may provide a practical and interpretable approach for personalised disease forecasting in neurodegenerative disorders.
• Abstract（参考訳）: アルツハイマー病(AD)の進行は多種多様であり、通常はスパースと不規則な経時的データを通して観察され、予測と個人化監視の課題を呈する。 既存の機械学習アプローチでは、マルチモーダルデータを用いたAD予測が改善されているが、静的な分類やコホートレベルのリスク推定に重点を置いており、主題固有のモデリングと不確実性を考慮した推論を限定的にサポートしている。 これらの制約に対処するため、多モーダル長手データを用いたAD予測とシナリオベース分析のための個人化デジタルツインフレームワークを提案する。 提案手法は、来訪者間の臨床遷移と時間的依存関係を捉えるための相補的モデリング戦略を統合する。 認知評価、臨床変数、MRI由来の表現型を含むアルツハイマー病神経画像イニシアチブ(ADNI)のデータを用いて、このフレームワークは認知状態と診断カテゴリーを予測し、予測の不確実性を定量化し、患者固有の何の軌跡分析を可能にする。 漏れのない被験者レベル分割の評価は,スコア予測と診断の分類において高い性能を示す。 このスパースで不規則なADNI設定では、隣接する訪問の遷移に基づくモデリングは、シーケンスベースの分岐よりも高い予測精度を達成し、局所的な遷移モデリングがよりデータ効率が高い可能性が示唆された。 シーケンスモデルは不確実性を考慮した軌道予測に有用であるが、局所遷移モデリングはよりデータ効率が高く堅牢な予測戦略を提供する。 これらの知見は、時間的モデリング戦略を臨床データ構造と整合させることの重要性を強調し、トランジションベースのデジタルツイン定式化が神経変性疾患におけるパーソナライズド疾患予測に実用的かつ解釈可能なアプローチをもたらすことを示唆している。

関連論文リスト

• From Static Risk to Dynamic Trajectories: Toward World-Model-Inspired Clinical Prediction [61.12883122613684]
  本稿では, 患者固有の縦断疾患の進展を推定し, 代替治療下での軌跡変化を評価するための, 臨床AIにおける介入認識型疾患軌跡モデリングに焦点をあてる。 3つの意思決定タスク(実測,反実推定,政策評価)と3つのデータ生成機構(障害発生, 治療課題, 観察過程)によって, 識別可能性を決定する。 本稿では,個別/連続時間にまたがる予測,反ファクト的軌跡,政策評価の統一的な枠組みを提案する。
  論文  参考訳（メタデータ） (2026-05-16T10:45:26Z)
• Toward Personalized Digital Twins for Cognitive Decline Assessment: A Multimodal, Uncertainty-Aware Framework [0.2566571621858396]
  PCD-DTフレームワークは、神経変性疾患におけるシリコモデリングをパーソナライズするための原則的な出発点を提供する。 本研究は,PCD-DTを臨床展開性,不確実性を考慮したデジタル双生児システムに向けた基礎的なステップとして位置づける。
  論文  参考訳（メタデータ） (2026-04-29T21:40:55Z)
• Delving Aleatoric Uncertainty in Medical Image Segmentation via Vision Foundation Models [56.29123284262618]
  本研究は,視覚基盤モデルの普遍的表現能力を生かして固有データ不確実性を推定することを提案する。 モデルのデコード表現の特徴の多様性を分析し,その特異値エネルギーを定量化し,各クラスに対する意味知覚尺度を定義する。 この基礎に基づいて,本研究は,(1)潜在的にノイズの多いサンプルを排除し,モデル学習品質を向上させるためのアレータリック不確実性認識データフィルタリング機構,(2)意味認識尺度に基づくトレーニング中にクラス固有の損失重みを適応的に調整する動的不確実性認識最適化戦略,およびトレーニング安定性を向上させるラベル認知機構の2つの不確実性駆動型アプリケーション戦略を設計する。
  論文  参考訳（メタデータ） (2026-04-13T03:59:54Z)
• Investigating the Impact of Histopathological Foundation Models on Regressive Prediction of Homologous Recombination Deficiency [52.50039435394964]
  回帰に基づくタスクの基礎モデルを体系的に評価する。 我々は5つの最先端基礎モデルを用いて、スライド画像全体(WSI)からパッチレベルの特徴を抽出する。 乳房、子宮内膜、肺がんコホートにまたがるこれらの抽出された特徴に基づいて、連続したRDDスコアを予測するモデルが訓練されている。
  論文  参考訳（メタデータ） (2026-01-29T14:06:50Z)
• Predictive Causal Inference via Spatio-Temporal Modeling and Penalized Empirical Likelihood [0.0]
  本研究では,従来の単一モデルアプローチの制約を克服する目的で設計された,予測因果推論のための統合フレームワークを提案する。 具体的には、空間的健康状態推定のための隠れマルコフモデルと、時間的結果の軌跡を捉えるためのマルチタスクとマルチグラフ畳み込みネットワーク(MTGCN)を組み合わせる。 有用性を示すために,がん,認知症,パーキンソン病などの臨床領域に焦点を当て,治療効果を直接観察することが困難である。
  論文  参考訳（メタデータ） (2025-07-11T03:11:15Z)
• Artificial Intelligence for Personalized Prediction of Alzheimer's Disease Progression: A Survey of Methods, Data Challenges, and Future Directions [0.8249694498830561]
  Alzheimer's Disease (AD) は、その進行の個人間変異が顕著である。 本総説は,個人化されたAD予後のための臨床関連AIツールの開発における現在の知識の統合と今後の取り組みを導くことを目的としている。
  論文  参考訳（メタデータ） (2025-04-29T21:45:28Z)
• Deep State-Space Generative Model For Correlated Time-to-Event Predictions [54.3637600983898]
  そこで本研究では,様々な種類の臨床イベント間の相互作用を捉えるために,潜伏状態空間生成モデルを提案する。 また,死亡率と臓器不全の関連性について有意な知見が得られた。
  論文  参考訳（メタデータ） (2024-07-28T02:42:36Z)
• Conditional Score-Based Diffusion Model for Cortical Thickness Trajectory Prediction [29.415616701032604]
  アルツハイマー病(英: Alzheimer's Disease、AD)は、個人間での進行率の多様性を特徴とする神経変性疾患である。 与えられたベースライン情報を用いてCThトラジェクトリを生成する条件付きスコアベース拡散モデルを提案する。 本モデルでは6～36ヶ月のCThに比べて95%間隔が狭いほぼゼロバイアスを有する。
  論文  参考訳（メタデータ） (2024-03-11T17:26:18Z)
• STELAR: Spatio-temporal Tensor Factorization with Latent Epidemiological Regularization [76.57716281104938]
  我々は,多くの地域の流行傾向を同時に予測するテンソル法を開発した。 stelarは離散時間差分方程式のシステムを通じて潜在時間正規化を組み込むことで長期予測を可能にする。 我々は、カウンティレベルと州レベルのCOVID-19データの両方を用いて実験を行い、このモデルが流行の興味深い潜伏パターンを識別できることを示します。
  論文  参考訳（メタデータ） (2020-12-08T21:21:47Z)
• Trajectories, bifurcations and pseudotime in large clinical datasets: applications to myocardial infarction and diabetes data [94.37521840642141]
  混合データ型と欠落値を特徴とする大規模臨床データセット分析のための半教師付き方法論を提案する。 この手法は、次元の減少、データの可視化、クラスタリング、特徴の選択と、部分的に順序付けられた観測列における測地距離(擬時)の定量化のタスクを同時に扱うことのできる弾性主グラフの適用に基づいている。
  論文  参考訳（メタデータ） (2020-07-07T21:04:55Z)

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。