MEDICINE & AI

タイトル：A transformer-based unified multimodal framework for Alzheimer's disease assessment 雑誌名：Comput Biol Med. 2024 Sep; 180: 108979. 概　要： 本研究では、アルツハイマー病（AD）の評価において、異なる入力データの多様なモダリティを扱うために従来の深層学習アプローチが別々の手法を用いていることに着目し、AD-Transformerという新しいトランスフォーマーベースの統一深層学習モデルを提案します。このフレームワークは、構造的磁気共鳴画像（sMRI）、臨床データ、遺伝子データを統合し、1651人の被験者からなるアルツハイマー病神経画像イニシアティブ（ADNI）データベースを活用しています。AD-Transformerは、画像データを画像トークンに変換するPatch-CNNブロックと、非画像データを対応するトークンに変換する線形投影層を用いています。トランスフォーマーブロックは、入力データの包括的な表現を学習し、モダリティ間の複雑な相互作用を捉えます。 方　法： 本研究は、1651人の被験者を対象にしたコホート研究で、ADNIデータベースからの構造的磁気共鳴画像（sMRI）、臨床データ、遺伝子データを統合したAD-Transformerモデルを使用しました。主要評価指標は、AD診断における平均曲線下面積（AUC）0.993、軽度認知障害（MCI）への転換予測におけるAUC 0.845です。 結　果： AD-Transformerは、AD診断においてAUC 0.993、MCI転換予測においてAUC 0.845を達成し、従来の画像のみのモデルや非統一マルチモーダルモデルを上回る性能を示しました。実験結果は、AD-TransformerがAD診断およびMCI転換予測において有力なツールであることを確認しました。 結　論： AD-Transformerは、画像データと非画像データの両方の包括的な表現を共同で学習する統一フレームワークを提供し、ADに対するより効果的かつ正確な臨床評価を可能にします。このアプローチは、ADとの闘いにおいて多様なデータモダリティを活用するための臨床適応可能な戦略を提供します。