面向认知衰退评估的个性化数字孪生体：多模态、不确定性感知框架

认知衰退在个体间差异很大，这使预后、试验设计和治疗计划变得复杂。我们提出了 Personalized Cognitive Decline Assessment Digital Twin（PCD-DT），这是一种用于从稀疏、噪声和不规则纵向数据中建模患者特异性疾病轨迹的多模态、不确定性感知框架。该框架结合了三个方法性组件：(1) 用于个体化时间动态的潜在状态空间模型，(2) 用于临床、生物标志物和影像特征的多模态融合，(3) 用于稳健的数字孪生体运行的不确定性感知验证和自适应更新。我们还概述了条件生成模型如何支持数据增强和针对代表性不足的疾病进程模式的压力测试。作为一次初步的可行性研究，我们分析了纵向 TADPOLE 轨迹，显示出在五年内 ADAS13、颅缘容积和小脑容积之间 cognitively normal 和阿尔茨海默病队列之间存在明显的分离。我们进一步对 3,003 条就诊对序列进行一次基于 LSTM 序列模型的多模态下一次访问预测消除实验，其中认知+磁共振配置组合在 ADAS13（0.4419）和颅缘容积（0.5842）上的标准化 RMSE 最低，优于 Last Observation Carried Forward 基准。还讨论了用于高维影像融合的贝叶斯张量建模组件。这些结果支持我们提出的体系结构的可行性，同时也凸显了更强不确定性校准和更长期预测评估的必要性。PCD-DT 框架为认知神经退行性疾病中可部署的、不确定性感知的数字孪生体系统提供了原则性起点。这一工作将 PCD-DT 定位为临床可部署的、不确定性感知的数字孪生体系统的基础步骤。