Naukowcy z arXiv CS.AI zaprezentowali nową metodę prognozowania przebiegu choroby Alzheimera, która nie wymaga drogich badań takich jak MRI, PET czy analiza płynu mózgowo-rdzeniowego. Zamiast tego system wykorzystuje zwykłe dane zbierane podczas rutynowych wizyt klinicznych, co otwiera możliwość wdrożenia takiego narzędzia nawet w biedniejszych regionach.
Proponowany system o nazwie GNOVA łączy kilka zaawansowanych technik AI. Wykorzystuje jednostkę GRU (Gated Recurrent Unit) do kodowania danych z nieregularnych wizyt pacjenta, sieci Neural ODE do ciągłego modelowania zmian stanu zdrowotnego, oraz zmienną autoenkoder do estymacji niepewności prognoz. To połączenie pozwala zarówno rekonstruować przeszłą trajektorię choroby pacjenta, jak i prognozować jej przyszły przebieg.
Ważnym aspektem pracy jest zdolność do dwukierunkowego przewidywania - model może zarówno interpolować brakujące dane między wizytami, jak i ekstrapolować przyszły stan zdrowotny pacjenta. System ocenia popularne wskaźniki poznawcze: CDR-SB (Clinical Dementia Rating Scale Sum of Boxes) i MMSE (Mini-Mental State Examination). Dla klinicznych decyzentów kluczowa jest również kalibrowana estymata niepewności - system mówi nie tylko jakie będzie przyszłe pogorszenie, ale i jak pewny jest tego rodzaju prognoza.