تشخیص زودهنگام الزایمر با استفاده از modified deep learning

بیماری آلزایمر یکی از مهم ترین علل زوال شناختی در سالمندان است و تشخیص آن در مراحل اولیه، به ویژه مرحله اختلال شناختی خفیف، می تواند فرصت مناسبی برای مداخلات درمانی و پیشگیرانه فراهم کند. بااین حال، ناهمگونی، نویز و فقدان برخی از داده های پزشکی، کارایی روش های تک وجهی و شیوه های ادغام ثابت را محدود می کند. هدف این پژوهش، ارائه چارچوبی چندوجهی و اعتمادمحور برای تفکیک افراد سالم شناختی (CN)، افراد دارای اختلال شناختی بسیار خفیف (MCI-like) و بیماران مبتلا به آلزایمر (AD) با استفاده هم زمان از اطلاعات MRI و داده های بالینی و شناختی است. در چارچوب نظری پژوهش، برای هر وجه یک سیگنال نظارتی و یک سیگنال خودنظارتی در نظر گرفته شده و اطلاعات وجه ها متناسب با میزان اعتماد مدل به صورت پویا ادغام می شوند. برای ارزیابی تجربی، بخش ادغام اعتمادمحور مدل در سطح ویژگی روی مجموعه داده طولی OASIS-۲، شامل ۳۷۳ رکورد متعلق به ۱۵۰ فرد، پیاده سازی شد. ویژگی های مورفومتریک MRI و متغیرهای جمعیت شناختی، بالینی و شناختی به عنوان دو وجه اطلاعاتی استفاده شدند. شاخص های اعتماد شامل آنتروپی پیش بینی، فاصله میان دو احتمال برتر، خطای بازسازی مبتنی بر PCA و وضعیت حضور یا فقدان هر وجه بود. همچنین، برای افزایش مقاومت مدل در برابر داده های ناقص از Modality Dropout استفاده شد. ارزیابی با پنج تکرار اعتبارسنجی متقاطع پنج بخشی و تقسیم کاملا فردمحور انجام گرفت. مدل پیشنهادی به ترتیب به Accuracy برابر با ۰٫۶۸۸، Balanced Accuracy برابر با ۰٫۶۳۰، Macro-F۱ برابر با ۰٫۶۱۰ و Macro-AUC برابر با ۰٫۸۳۵ دست یافت و در تمام معیارهای اصلی از مدل های تک وجهی و روش های ادغام ثابت بهتر عمل کرد. در مقایسه با ادغام الحاقی ثابت، افزایش Balanced Accuracy و Macro-AUC از نظر آماری معنادار بود؛ هرچند بهبود Macro-F۱ معنادار نبود. همچنین، مقدار ECE مدل پیشنهادی برابر با ۰٫۰۳۷ به دست آمد که نشان دهنده کالیبراسیون بهتر آن است. نتایج فقدان وجه نشان داد مدل در نبود MRI افت محدودی دارد، اما به داده های بالینی و شناختی وابستگی بیشتری نشان می دهد. در مجموع، یافته ها از اثربخشی ادغام پویا و اعتمادمحور برای تحلیل داده های چندوجهی و ناقص در تشخیص زودهنگام آلزایمر حمایت می کنند.

کلیدواژه ها:

یماری آلزایمر ، تشخیص زودهنگام ، یادگیری چندوجهی ، تصویربرداری MRI ، Modality Dropout