Naukowcy z wykorzystaniem sztucznej inteligencji nauczyli się przewidywać przebieg choroby Alzheimera na kolejne dwa lata. Opracowany przez nich model oparty na architekturze transformerów analizuje historyczne dane kliniczne i biomarkery pochodzące z bazy ADNI - jednego z największych światowych rejestrów pacjentów z tego schorzeniem. Takie prognozowanie ma ogromne znaczenie dla medycyny personalizowanej, pozwalając lekarzom wcześniej zidentyfikować osoby zagrożone szybką progresją choroby i odpowiednio zaplanować ich terapię.
Kluczową innowacją modelu jest zastosowanie techniki residual gap-aware, która pozwala lepiej wychwytywać indywidualne wzorce postępu choroby dla każdego pacjenta. Zamiast traktować wszystkie osoby z Alzheimerem jednakowo, model nauczy się rozpoznawać, które cechy i biomarkery charakteryzują danego chorego, a następnie prognozuje jak będą się zmieniać jego funkcje poznawcze w ciągu dwóch lat. To istotna różnica w stosunku do wcześniejszych podejść, które oferowały co najwyżej ogólne scenariusze przesortowania pacjentów do grup ryzyka.
Praktyczne zastosowanie takiego narzędzia może być przekazane w badaniach klinicznych nad nowymi lekami czy terapiami. Dokładniejsze przewidywanie, które osoby będą wymagały szybkiej interwencji, pozwala lepiej projektować studia kliniczne i identyfikować kandydatów, którzy rzeczywiście mogą czerpać korzyści z testowanych terapii. To zmniejsza koszty badań, przyspiesza wprowadzanie leków na rynek i przede wszystkim daje nadzieję pacjentom na bardziej racjonalne podejście do leczenia degeneracyjnej choroby mózgu.