研究人员开发了一个新颖的数字孪生框架，利用稀疏纵向数据预测阿尔茨海默病的进展。该方法整合了各种建模策略，以捕捉患者就诊期间的临床转换和时间依赖性。通过利用阿尔茨海默病神经影像倡议（ADNI）的数据，该框架可以预测认知状态和诊断类别，同时量化预测不确定性并实现个性化的“假设”轨迹分析。 AI
影响 该框架为神经退行性疾病的个性化疾病预测提供了一种更具数据效率和可解释性的方法。
排序理由 该集群包含一篇详细介绍特定疾病新建模方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.09671v1 Announce Type: cross Abstract: Alzheimer's disease (AD) progression is highly heterogeneous and is typically observed through sparse and irregular longitudinal data, posing challenges for prediction and personalised monitoring. Existing machine learning approac…
Alzheimer's disease (AD) progression is highly heterogeneous and is typically observed through sparse and irregular longitudinal data, posing challenges for prediction and personalised monitoring. Existing machine learning approaches have improved AD prediction using multimodal d…