Alzheimer's disease
PulseAugur coverage of Alzheimer's disease — every cluster mentioning Alzheimer's disease across labs, papers, and developer communities, ranked by signal.
- developed by alphaXiv 95%
- instance of Tau PET Imaging in the NACC Study Cohort 90%
- instance of Amyloid 90%
- instance of ADNI-3 90%
- used by alphaXiv 75%
- developed by magnetic resonance imaging 70%
- instance of Alzheimer's Disease Neuroimaging Initiative 70%
- used by magnetic resonance imaging 70%
- used by Tau PET Imaging in the NACC Study Cohort 70%
- used by tadpole 70%
- instance of Parkinson's 70%
- instance of tadpole 70%
- 2026-08-03 research_milestone Clinical trials for a surgical procedure to treat Alzheimer's disease are underway in Hong Kong, showing early promise. 来源
10 天有情绪数据
-
新的CoPoE框架解决了阿尔茨海默病诊断中的缺失数据问题
研究人员开发了CoPoE，一种新颖的多模态阿尔茨海默病诊断框架，可有效处理缺失数据。CoPoE将各种临床证据映射到一个结构化的潜在空间，该空间代表遗传风险、分子病理学、神经退行性和临床分期。通过使用仅包含可用模态的专家乘积架构，CoPoE避免了合成缺失输入，并为任何数据子集保持了稳健的后验。在ADNI数据集上的实验表明，CoPoE在全模态和子集评估中均表现出色，优于现有的融合方法，并改善了概率校准指标。
-
新AI框架提升阿尔茨海默病诊断和进展预测能力
研究人员开发了一个新颖的多模态学习框架，旨在提高阿尔茨海默病的诊断和进展预测能力。该框架整合了包括MRI扫描和临床信息在内的多种数据类型，并利用了Transformer和ODE-GRUs等先进技术。该系统在多个数据集上表现出强大的性能，在诊断和进展预测方面取得了较高的AUROC，并在校准误差和认知评分预测准确性方面显示出显著的改进。
-
新研究：Ozempic、Wegovy与阿尔茨海默病风险降低有关
发表在《阿尔茨海默病：阿尔茨海默病协会杂志》上的一项新研究表明，Ozempic和Wegovy的活性成分司美格鲁肽与阿尔茨海默病风险降低之间存在关联。凯斯西储大学医学院的研究人员分析了近一百万2型糖尿病患者的数据，发现与使用其他抗糖尿病药物的患者相比，处方使用司美格鲁肽的患者患阿尔茨海默病的风险降低了40%至70%。尽管该研究表明存在相关性，但仍需进一步研究以确认司美格鲁肽是否能直接降低阿尔茨海默病风险，尤其是在非糖尿病患者中，并探索其…
-
新的STAMP框架增强了AI在医学图像分析中的时间感知能力
研究人员开发了STAMP，一种新颖的随机孪生掩码自编码器（Stochastic Siamese Masked Autoencoder）框架，旨在提高AI模型在分析纵向医学图像中的时间感知能力。与确定性方法不同，STAMP引入了随机过程，以更好地捕捉疾病随时间进展的固有不确定性。该框架在OCT和MRI数据集上进行了评估，与现有的时间感知MAE方法和基础模型相比，在预测年龄相关性黄斑变性和阿尔茨海默病进展方面表现出优越的性能。
-
玛丽亚·施莱弗强调女性阿尔茨海默病风险意识差距
妇女阿尔茨海默病运动创始人玛丽亚·施莱弗强调，相当一部分女性没有意识到自己患阿尔茨海默病的风险增加。她强调，不到20%的女性认识到这种脆弱性增加。
-
基于语音的阿尔茨海默病AI模型易受声学干扰影响
一篇新的研究论文探讨了用于基于语音的阿尔茨海默病评估的自监督学习（SSL）模型的鲁棒性。研究发现，声学因素（如噪声和混响）会显著改变这些模型的预测结果，即使这些因素本身在诊断组之间没有显示出显著差异。研究人员认为，当前测试模型鲁棒性的方法不足，并提倡进行干预性测试，以确保临床语音模型的可靠性。
-
Younger 竞赛挑战参与者逆转生物年龄
一项名为 Younger 的新竞赛旨在逆转生物衰老，约有 500 名参与者将在六个月内尝试降低其生物年龄。该竞赛由神经科学家 Christin Glorioso 创立，旨在阐明各种“衰老时钟”的功能并生成全面的生物年龄数据集。参与者将使用多种方法来跟踪他们的进展，包括表观遗传学测试、认知评估和面部年龄估算。
-
新型AI代理优化阿尔茨海默病诊断成本
研究人员开发了SCOPE-AD，一种用于阿尔茨海默病成本感知诊断的新型序列规划代理。该代理利用序数信念模型来表示从认知正常到轻度认知障碍和阿尔茨海默病谱系的中的不确定性。通过从采样Bellman目标中学习并将动作分布提炼到Qwen策略中，SCOPE-AD在考虑预算和患者负担限制的情况下，有选择地决定何时获取诊断测试以及何时做出诊断。在ADNI数据集上，SCOPE-AD在平均获取成本为50.46美元的情况下，实现了77.70%的Macr…
-
AI、基因编辑和阿尔茨海默病药物开启制药业新时代
制药行业正迎来一个新时代，其驱动力是AI和基因编辑的进步，以及阿尔茨海默病等疾病新疗法的开发。这些技术有望显著改变药物发现和患者护理的格局。
-
前OpenAI高管创立ChronicleBio，利用AI治疗慢性病
前OpenAI高管Jessica Wu博士创立了ChronicleBio公司，旨在治疗体位性心动过速综合征（POTS）、长新冠、阿尔茨海默病和帕金森病等慢性疾病。该公司计划利用AI和海量生物数据，加速针对这些复杂病症的新疗法发现。Wu博士本人曾经历中风，这促使她致力于为那些常面临漫长诊断和治疗过程的患者寻找解决方案。
-
新脑电图基础模型用于阿尔茨海默病检测
研究人员开发了LEAD，这是首个利用脑电图（EEG）数据检测阿尔茨海默病的基础模型。该模型利用了迄今为止最大的EEG-AD语料库（包含2,238名受试者），解决了数据集规模有限、跨受试者泛化能力以及数据异质性等挑战。LEAD采用了门控时空Transformer和受试者正则化训练策略，在多次评估中取得了优越的性能，并超越了现有最先进的EEG基础模型。
-
新AI框架将MRI知识迁移至语音用于阿尔茨海默病筛查
研究人员开发了MINT（多模态成像到语音的知识迁移），一个专为早期阿尔茨海默病筛查设计的新颖框架。该系统将知识从结构性MRI扫描迁移到语音分析，能够在推理时无需成像即可准确分类轻度认知障碍（MCI）。MINT框架利用一个MRI“教师”模型创建一个紧凑的嵌入空间，然后语音分类器学习模仿该空间。在ADNI-4数据集上的初步测试表明，与该迁移知识对齐的语音分析，其性能与现有的仅语音方法相当，而多模态融合甚至超过了仅MRI的性能。
-
新的XGML框架利用大脑图分析预测阿尔茨海默病
研究人员开发了一种新颖的可解释图论机器学习（XGML）框架，用于预测阿尔茨海默病（AD）及相关的认知能力下降。该方法从FDG-PET数据构建个体代谢大脑图，识别出对多变量疾病结果最具预测性的子图。最佳配置在八项认知评分中实现了显著的r=0.595相关性，在ADAS13、ADAS11和ADASQ4上表现强劲。该框架还识别了可能作为认知能力下降网络生物标志物的关键边缘，尽管在另一队列上的初步验证显示结果较弱。
-
新AI框架利用MRI和临床数据改进阿尔茨海默病诊断
研究人员开发了使用多模态数据诊断阿尔茨海默病的新深度学习框架。一项研究侧重于使用解剖学参考来约束基于图像的模型并解决临床数据中的标签泄露问题，通过融合认知评分可达到87.3%的准确率。另一个框架利用3D MRI和临床数据，表明模型性能和解释高度依赖于特定任务、数据模态、融合策略和患者队列。两项研究都强调了用于医学诊断的多模态学习的复杂性以及对可解释性进行仔细评估的必要性。
-
AI模型适应阿尔茨海默病MRI任务，只需少量重新训练
研究人员开发了一种可泛化的阿尔茨海默病相关脑部MRI任务特征提取器，展示了迁移学习在神经影像学中的有效性。通过使用低秩适配（LoRA）技术，仅增加约1%的可训练参数来调整预训练的3D卷积神经网络（CNN），该模型在分类认知状态和预测生物标志物方面取得了高精度。值得注意的是，调整后的模型在未见过的数据集上无需重新训练即可表现良好，表明其作为阿尔茨海默病研究中可重复使用的基础模型的潜力，即使在标记数据有限的情况下也是如此。
-
大语言模型用于阿尔茨海默病研究中的视网膜血管表型报告
研究人员开发了一种新颖的视网膜光学相干断层扫描血管造影（OCTA）图像分析流程，以辅助阿尔茨海默病的早期识别。该系统集成了血管分割、生物标志物提取和无标记表型分析，并使用GPT、Gemini和Llama等大语言模型生成报告。尽管该框架在受试者中显示出较低的血管密度和分形维度的持续表型，但由于数据集中缺乏诊断标签，目前不具备临床诊断能力。
-
新AI模型利用MRI和血流数据增强脑龄估算
研究人员开发了一种新颖的多模态框架，以提高脑龄估算的准确性，脑龄是神经生物学衰老和疾病风险的生物标志物。这种新方法结合了两个不同3D卷积神经网络的预测：一个分析结构性MRI扫描，另一个处理合成脑容量（DeepCBV）图。组合模型在估算健康对照组的脑龄时实现了3.95年的平均绝对误差，优于仅使用MRI或DeepCBV数据的模型。
-
LLM驱动的代理系统可自动执行神经科学分析
研究人员开发了NS-Copilot，这是一个由LLM驱动的代理系统，旨在自主处理神经科学分析工作流程。该系统通过自然语言接口集成了领域特定的预训练模型，并支持包括EEG和细胞外尖峰数据在内的各种神经科学数据类型。NS-Copilot协调专门的代理进行规划、代码生成和结果合成，旨在减少AI辅助神经科学研究中的跨学科障碍。在阿尔茨海默病、帕金森病和工作记忆解码相关的基准测试中，NS-Copilot的表现持续优于基线方法。
-
研究发现：语音增强或会阻碍阿尔茨海默病检测模型
一篇新发表在arXiv上的研究论文对用于阿尔茨海默病检测的语音增强和数据策技术有效性提出了质疑。研究发现，虽然“更清晰”的语音数据集可以提高深度学习模型在特定领域内的性能，但它们往往会降低模型在现实场景中的鲁棒性和泛化能力。即使是大型语音语言模型也表现出类似的敏感性，这表明处理过的语音数据不一定对准确检测阿尔茨海默病更可靠。
-
中国批准“心灵感应”设备，挑战 Neuralink
中国国家药品监督管理局今年已批准多款脑机接口（BCI）设备，标志着国内公司在这一新兴技术领域取得重大进展。这些BCI产品旨在辅助诊断和治疗阿尔茨海默病、精神分裂症和抑郁症等疾病，并使患者能够用意念控制数字设备。此举得到了中国初创企业在脑机接口领域与埃隆·马斯克旗下Neuralink等国际竞争对手竞争的支持。