論文の概要: Calibrated Alzheimer's Conversion Risk in Mild Cognitive Impairment: Persistent Homology of Clinical Trajectories with Conformal Guarantees

• arxiv url: http://arxiv.org/abs/2607.17442v1
• Date: Mon, 20 Jul 2026 00:00:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.467649
• Title: Calibrated Alzheimer's Conversion Risk in Mild Cognitive Impairment: Persistent Homology of Clinical Trajectories with Conformal Guarantees
• Title（参考訳）: 軽度認知障害におけるアルツハイマー転化リスクの校正:コンフォーマルな隔離者による臨床軌跡の永続的ホモロジー
• Abstract要約: 軽度の認知障害からアルツハイマー病への転換を予測することは、臨床試験とケア計画の中心である。 既存のモデルは個々のレベルの不確実性評価を提供しておらず、透明な漏洩監査を含むことは滅多にない。 本研究は, 持続的ホモロジーの経時的臨床軌道点雲への応用について紹介する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Background. Predicting conversion from mild cognitive impairment (MCI) to Alzheimer's disease (AD) is central to trial enrichment and care planning, yet existing models provide no individual-level uncertainty estimates and rarely include transparent leakage audits. We introduce the first application of persistent homology to longitudinal clinical trajectory point clouds for this task, and the first split-conformal individual risk guarantee for any AD-conversion model. Methods. We analysed 741 MCI subjects (240 converters, 32.4%) from ADNI with a uniform 4-year follow-up cap. Five leakage sources were corrected; without them a naive pipeline achieved AUC=0.934, inflated by +0.075. Vietoris-Rips persistent homology and sublevel-set proxies were combined with trajectory slopes and engineered features (76 total) in a stacking ensemble evaluated by 5-fold cross-validation. Results. Cox and Random Survival Forest models with TDA features achieved concordance C=0.799 and C=0.826 versus C=0.753 and C=0.812 without (+0.045 and +0.014). The primary nested AUC is 0.840 (same-fold bound 0.866); external AUC was 0.879 on a zero-overlap ADNI-2/GO/3 cohort. H0 persistence entropy was the top SHAP feature and significantly associated with APOE4 dosage (Spearman r=-0.191, p<0.0001, Bonferroni-corrected). Cross-conformal coverage was 90.4%+-2.2% (target 90%); empirical external coverage 96.9%. Maximum fairness gap in false-negative rate across seven subgroups was 0.092. Conclusions. We propose H0 persistence entropy as a topological biomarker of cognitive decline and demonstrate that a leakage-audited, conformally calibrated pipeline reaches competitive accuracy with individual-level uncertainty quantification not previously available for this task.
• Abstract（参考訳）: 背景。 軽度認知障害(MCI)からアルツハイマー病(AD)への転換を予測することは、臨床試験やケア計画の中心であるが、既存のモデルは個々のレベルの不確実性評価を提供しておらず、透明な漏洩監査を含まない。 本稿では,この課題に対する持続的ホモロジーの長期的臨床軌道点雲への最初の適用,AD変換モデルに対する最初の分割型個人的リスク保証について紹介する。 メソッド。 当科ではADNIから741名のMCI被験者(240名のコンバータ,32.4%)に4年間の経過観察を行った。 5つの漏れ源が修正され、それなしでは、+0.075でAUC=0.934が達成された。 Vietoris-Rips の持続的ホモロジーとサブレベルセットプロキシを5倍のクロスバリデーションで評価した積み重ねアンサンブルにおいて,軌道傾斜と工学的特徴(総計76個)と組み合わせた。 結果。 コックスとランダム・サバイバル・フォレストはC=0.799、C=0.826、C=0.753、C=0.812、+0.045、+0.014と一致した。 主巣型 AUC は 0.840 であり、外周型 AUC は ADNI-2/GO/3 コーホートで 0.879 であった。 H0持続エントロピーは, APOE4投与量(Spearman r=-0.191, p<0.0001, Bonferroni-corrected)と有意な相関を示した。 クロスコンフォーマルカバーは90.4%+-2.2%(ターゲット90%)、実証外カバー96.9%であった。 7群間の偽陰性率の最大フェアネスギャップは0.092。 結論。 本稿では,認知低下のトポロジ的バイオマーカーとしてH0持続エントロピーを提案し,この課題に対してこれまで利用できなかった個別レベルの不確実性定量化と競合する精度に達することを示す。

関連論文リスト

• Neurosymbolic Alignment for Physiologically-Safe Clinical Language Models [34.30791848883716]
  本稿では,HGNNをベースとした生理的世界モデルと7B臨床LLMを併用したトレーニングタイムフレームワークであるNeurosymbolic Alignmentを提案する。 候補者の反応は、ホメオスタティックな制約、マルチホップパスの妥当性、薬物相互作用の罰則を用いて評価される。 臨床安全ベンチマーク(CSB: Clinical Safety Benchmark)は、遺伝子的臨床推論における生理的制約違反に対する2500-scenarioベンチマークである。
  論文  参考訳（メタデータ） (2026-08-25T13:20:03Z)
• A Multi-Cohort Validation of Censoring-Aware Conformal Lower Predictive Bounds for Pathology Survival Models [0.0]
  全スライディングサバイバルモデルは、個々のイベント時間に関するキャリブレーションされたステートメントなしで、リスクランキングを提供することが多い。 離散時間多重インスタンス学習サバイバルヘッド用ポストホックコンフォメーションラッパーである固定カットド・ドコサルクについて検討した。
  論文  参考訳（メタデータ） (2026-07-23T12:58:04Z)
• Post-Operative Glioma Segmentation via Loss Stabilization, Normalization and Subspace Attention [46.03321798937855]
  ドメインシフトの際,GDL(Generalized Dice Loss)が不安定であることを示す。 本稿では,ボトルネック機能を再校正するサブスペース・アウェア・クラス・アテンション(SACA)モジュールを提案し,腫瘍の感度を8%向上させる。
  論文  参考訳（メタデータ） (2026-07-23T09:59:30Z)
• Calibration, Uncertainty Communication, and Deployment Readiness in CKD Risk Prediction: A Framework Evaluation Study [0.0]
  慢性腎臓病の機械学習モデルは、しばしば内部テストセットに強い差別的スコアを与える。 UCI CKDデータセット(400例,62.5%)を用いた5つの分類器の訓練を行った。 キャリブレーション品質,コンフォーマルな予測カバレッジ,8基準の展開準備フレームワークについて検討した。
  論文  参考訳（メタデータ） (2026-05-20T17:12:48Z)
• A Nonlinear Complexity Index for Wearable PPG Cardiovascular Stability: Multiscale Validation, Systematic Evaluation Correction, and Bayesian Parameter Optimization [1.1344265020822928]
  心血管安定性指数 (SCSI) を導入し, 4つの異種時間尺度から176,742セグメントで検証した。 我々は,真のベースラインから0.5732まで成分を注入する3つの評価アーティファクトを同定した。
  論文  参考訳（メタデータ） (2026-05-11T13:55:30Z)
• PROMISE-AD: Progression-aware Multi-horizon Survival Estimation for Alzheimer's Disease Progression and Dynamic Tracking [12.168319671275375]
  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。
  論文  参考訳（メタデータ） (2026-04-30T16:01:30Z)
• Differentiable latent structure discovery for interpretable forecasting in clinical time series [38.473526928012724]
  連続時間多タスクガウス過程であるStructGPを導入し, 基本的不確かさを保ちながら, 相違構造学習と相違構造学習を組み合わせ, 相互依存の有向非巡回グラフ(DAG)を導出する。 LP-StructGPは,被験者特異的カップリングフィルタとソフトマックスゲーティング機構を用いて,患者間の進行パターンを捉えることで,StructGPを潜在経路に分割し,時間的に変化する軌跡を増大させる。
  論文  参考訳（メタデータ） (2026-04-30T14:59:50Z)
• TwinWeaver: An LLM-Based Foundation Model Framework for Pan-Cancer Digital Twins [33.30007167473537]
  Genie Digital Twin (GDT) は, がんのタイプ別に93,054人を対象に構築されている。 GDTは予測誤差を著しく低減し、平均絶対誤差(MASE)は0.87である。 GDTは、アウト・オブ・ディストリビューション・マッチング臨床試験に一般化し、ゼロショットでベースラインを訓練し、微調整でそれらを上回った。
  論文  参考訳（メタデータ） (2026-01-28T15:40:54Z)
• MeCaMIL: Causality-Aware Multiple Instance Learning for Fair and Interpretable Whole Slide Image Diagnosis [40.3028468133626]
  MIL(Multiple Case Learning)は、コンピュータ病理学における全スライド画像(WSI)解析の主流パラダイムとして登場した。 因果関係を意識したMILフレームワークである textbfMeCaMIL は、構造化因果グラフを通じて、階層的共同創設者を明示的にモデル化する。 MeCaMILは優れた公正性を達成する -- 人口格差の分散は、属性全体の平均で65%以上減少する。
  論文  参考訳（メタデータ） (2025-11-14T06:47:21Z)
• Generalizable Diabetes Risk Stratification via Hybrid Machine Learning Models [0.0]
  糖尿病は世界中で5億3700万人を超え、2045年までに7億8300万人に達すると予測されている。 2つのハイブリッド分類器を比較し、外部コホート上での一般化性を評価する。
  論文  参考訳（メタデータ） (2025-09-24T21:18:52Z)
• A Novel Attention-Augmented Wavelet YOLO System for Real-time Brain Vessel Segmentation on Transcranial Color-coded Doppler [49.03919553747297]
  我々は,脳動脈を効率よく捉えることができるAIを利用したリアルタイムCoW自動分割システムを提案する。 Transcranial Color-coded Doppler (TCCD) を用いたAIによる脳血管セグメンテーションの事前研究は行われていない。 提案したAAW-YOLOは, 異方性および対側性CoW容器のセグメンテーションにおいて高い性能を示した。
  論文  参考訳（メタデータ） (2025-08-19T14:41:22Z)
• Uncertainty-Aware Genomic Classification of Alzheimer's Disease: A Transformer-Based Ensemble Approach with Monte Carlo Dropout [0.0]
  アルツハイマー病(英語版) (AD) は遺伝学的に複雑であり、ゲノムデータも複雑である。 我々はモンテカルロ・ドロップアウトを用いた変圧器を用いたアンサンブルモデル(TrUENet)を開発した。
  論文  参考訳（メタデータ） (2025-05-31T18:20:49Z)
• Detection of subclinical atherosclerosis by image-based deep learning on chest x-ray [86.38767955626179]
  460胸部X線で冠状動脈カルシウム(CAC)スコアを予測する深層学習アルゴリズムを開発した。 AICACモデルの診断精度は, 曲線下領域(AUC)で評価された。
  論文  参考訳（メタデータ） (2024-03-27T16:56:14Z)
• Quantifying Impairment and Disease Severity Using AI Models Trained on Healthy Subjects [27.786240241494436]
  Confidence-based chaRacterization of Anomalies (COBRA) スコアは、障害または疾患のある患者に提示された場合、これらのモデルの信頼性の低下を利用する。 脳卒中患者の上半身障害の現在の臨床的評価の鍵となる限界にCOBRAスコアを適用した。
  論文  参考訳（メタデータ） (2023-11-21T18:45:52Z)

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。