CognitiveTwin：用于预测阿尔茨海默病认知衰退的鲁棒多模态数字孪生体
人工智能
2026-04-27 v1
摘要
预测阿尔茨海默病(AD)中个体认知衰退困难，因为疾病进程具有异质性。可靠的临床工具不仅需要高准确率，还需要在人口统计学上公平且对缺失数据具有鲁棒性。我们提出CognitiveTwin，一个预测患者特定认知轨迹的数字孪生框架。该模型整合了多模态纵向数据（认知评分、磁共振成像、正电子断层扫描、脑脊液生物标志物和遗传学）。我们使用基于Transformer的架构融合这些模态，并使用深度马尔可夫模型捕捉时间动态。我们使用阿尔茨海默病神经影像计划(ADNI)数据集中的1666名患者训练和评估了该框架。我们对模型进行预测误差、人口统计学公平性和对缺失非随机(MNAR)数据模式的鲁棒性进行评估。CognitiveTwin提供准确且个性化的认知衰退预测。其在患者人口统计学上的公平性和对临床退出的韧性使其成为临床试验富集和个性化护理规划的可靠工具。
关键词
引用
@article{arxiv.2604.22428,
title = {CognitiveTwin: Robust Multi-Modal Digital Twins for Predicting Cognitive Decline in Alzheimer's Disease},
author = {Bulent Soykan and Gulsah Hancerliogullari Koksalmis and Hsin-Hsiung Huang and Laura J. Brattain},
journal= {arXiv preprint arXiv:2604.22428},
year = {2026}
}
备注
18 pages, 6 figures