Naukowcy opracowali model oparty na transformerach zdolny do prognozowania zmian w przebiegu choroby Alzheimera na 24 miesiące, wykorzystując historyczne dane kliniczne i biomarkery z bazy ADNI. Model stosuje technikę residual gap-aware do lepszego wychwytywania indywidualnych wzorców progresji choroby. To ważne dla medycyny personalizowanej, gdyż umożliwia wcześniejszą identyfikację pacjentów zagrożonych szybką progresją i lepsze planowanie leczenia oraz badań klinicznych.