基于语言指引的扩散模型：用于早期 MCI 转换预测的临床可信未来 sMRI 表示生成
机器学习
2025-06-09 v1 人工智能
摘要
预测轻度认知功能障碍（MCI）的转换进展受制于即时性——即从单一基线 sMRI 进行快速预测——与准确性——利用纵向扫描捕捉疾病进展之间的权衡。我们提出了 MCI-Diff，一种基于扩散的框架，从基线数据直接合成临床可信的未来 sMRI 表示，实现即时风险评估与高预测性能的双重目标。首先，采用多任务序列重构策略，在插值和外推任务上训练共享去噪网络，以处理不规则随访采样并学习稳健的潜在轨迹。其次，引入基于大语言模型的“语言指南”用于临床可信性采样：将生成的特征候选项进行量化、标记化，并通过基于预期结构生物标志物的微调语言模型进行评分，从而引导自回归生成走向真实的疾病模式。在 ADNI 和 AIBL 队列上的实验表明，MCI-Diff 在临床前沿方法中取得显著优势，提高了早期转换准确率可达 5-12%。
引用
@article{arxiv.2506.05428,
title = {Diffusion with a Linguistic Compass: Steering the Generation of Clinically Plausible Future sMRI Representations for Early MCI Conversion Prediction},
author = {Zhihao Tang and Chaozhuo Li and Litian Zhang and Xi Zhang},
journal= {arXiv preprint arXiv:2506.05428},
year = {2025}
}