ADAM：一种用于阿尔茨海尔病检测与微生物组-临床数据集成的人工智能推理与生物信息学模型
人工智能
2025-08-22 v2
摘要
阿尔茨海尔病分析模型（ADAM）是一个多智能体推理大型语言模型（LLM）框架，旨在整合和分析多模态数据，包括微生物组谱系、临床数据集和外部知识库，以增强对阿尔茨海尔病（AD）的理解和分类。通过利用具有智能体特性的LLM系统，ADAM从多样化的数据源中生成见解，并通过文献驱动的证据对发现结果进行背景阐释。与XGBoost的比较评估显示，ADAM在平均F1分数上显著提升，方差显著降低，突显了其在利用人类生物学数据时的鲁棒性和一致性。虽然目前ADAM针对的是二分类任务且仅涉及两种数据模态，但未来的迭代将旨在整合更多数据类型，如神经影像和外周生物标志物，并扩展至预测疾病进展，从而拓宽ADAM在AD研究和诊断应用中的可扩展性和适用性。
引用
@article{arxiv.2501.08324,
title = {ADAM: An AI Reasoning and Bioinformatics Model for Alzheimer's Disease Detection and Microbiome-Clinical Data Integration},
author = {Ziyuan Huang and Vishaldeep Kaur Sekhon and Roozbeh Sadeghian and Maria L. Vaida and Cynthia Jo and Doyle Ward and Vanni Bucci and John P. Haran},
journal= {arXiv preprint arXiv:2501.08324},
year = {2025}
}
备注
12 pages, 7 figures