CognitiveTwin: 알츠하이머 질환의 인지 저하 예측을 위한 견고한 다중 모달 디지털 트윈

알츠하이머 질환 (AD) 의 개인별 인지 저하를 예측하는 것은 질병 진행의 이질성으로 인해 어렵습니다. 신뢰할 수 있는 임상 도구는 높은 정확도뿐만 아니라 인구통계학적 그룹 간 공정성과 결측 데이터에 대한 견고성을 모두 필요로 합니다. 우리는 환자 특이적인 인지 궤적을 예측하는 디지털 트윈 프레임워크인 CognitiveTwin 을 제안합니다. 이 모델은 다중 모달 종단 데이터 (인지 점수, 자기공명영상 (MRI), 양전자방출단층촬영 (PET), 뇌척수액 생체표지자, 유전학) 를 통합합니다. 우리는 이러한 모달리티를 융합하기 위해 Transformer 기반 아키텍처와 시간적 동역학을 포착하기 위한 딥 마코프 모델 (Deep Markov Model) 을 사용합니다. 우리는 TADPOLE (Alzheimer's Disease Neuroimaging Initiative) 데이터셋의 1,666 명의 환자 데이터를 사용하여 프레임워크를 학습하고 평가했습니다. 예측 오차, 인구통계학적 공정성, 그리고 결측-not-at-random (MNAR) 데이터 패턴에 대한 견고성을 평가했습니다. CognitiveTwin 은 인지 저하에 대해 정확하고 개인화된 예측을 제공합니다. 환자 인구통계학에 따른 입증된 공정성과 임상 탈락에 대한 회복력을 보여줌으로써, 임상 시험 보강과 맞춤형 치료 계획 수립을 위한 신뢰할 수 있는 도구로 자리매김합니다.