Zespół badaczy z arXiv opublikował kompleksową analizę technologicznych metod detekcji zaburzeń kognitywnych u starszych dorosłych, łącząc neurobiologiczne sygnały, obrazowanie mózgu i markery biologiczne z algorytmami AI i machine learning'u. Synteza obejmuje przegląd elektroencefalografii (EEG), rezonansu magnetycznego (MRI), tomografii pozytronowej (PET) oraz badań krwi, które razem tworzą coraz bardziej zaawansowany arzenał diagnostyczny.
Najważniejszym przełomem jest zatwierdzenie w 2025 roku pierwszego testu krwi bazującego na plasma p-tau217, która wreszcie uzyskała praktyczną wartość kliniczną. Równocześnie zaaprobowane terapie anty-amyloidowe takie jak lecanemab i donanemab weszły do praktyki klinicznej, choć ich korzyści pozostają przedmiotem dyskusji naukowej. Markery EEG - zmiany fal alfa/theta i opóźnienie P300 - pokazują obiecujące wyniki, podobnie jak głębokie modele uczenia takie jak CNN, LSTM, BiLSTM i transformatory wraz z samouczącymi się modelami fundamentalnymi EEG.
Ważnym zastrzeżeniem badaczy jest, że wiele obecnych rozwiązań opiera się na małych, jednoośrodkowych zbiorach danych, które mogą nie przetrwać rygorystycznej walidacji zewnętrznej. Opracowana przez autorów taksonomia i ramy wczesnej detekcji, łączące wielopoziomowe screening'u z interwencją, mogą stanowić punkt wyjścia do bardziej niezawodnych systemów diagnostycznych. Artykuł podkreśla pilną potrzebę standaryzacji, większych, zdywersyfikowanych zbiorów treningowych i metodologii, które zapewnią rzeczywistą stosowalność technologii w praktyce klinicznej.