Alzheimer's disease

4 items

RESEARCHarXiv CS.AI·hace 20h

Reconstructing and forecasting disease trajectories of patients with Alzheimer's disease using routine data in resource-constrained settings

Esta investigación busca reconstruir y pronosticar las trayectorias de la enfermedad de Alzheimer utilizando datos rutinarios en entornos con recursos limitados. Propone un marco unificado para la predicción bidireccional de puntuaciones cognitivas a partir de visitas irregulares, permitiendo interpolación y extrapolación, y ofreciendo estimaciones de incertidumbre calibradas.

forecasting disease progression Alzheimer's disease predictive modeling

RESEARCHarXiv CS.LG·hace 5d

Early Detection of Alzheimer's Disease Using Explainable Machine Learning on Clinical Biomarkers: A Multi-Class Classification Study Using the Alzheimer's Disease Neuroimaging Initiative (ADNI) Dataset

Se desarrolló un clasificador XGBoost utilizando características clínicas del conjunto de datos ADNI para la detección multiclase de cognición normal, deterioro cognitivo leve y enfermedad de Alzheimer. El modelo logró un alto AUC macro medio de 0.983 y una precisión de 0.944, con valores SHAP que proporcionaron explicabilidad de las características.

machine learning Alzheimer's disease Explainable AI XGBoost

RESEARCHarXiv CS.LG·7/5/2026

Investigating Trustworthiness of Nonparametric Deep Survival Models for Alzheimer's Disease Progression Analysis

Esta investigación explora la fiabilidad y la equidad de los modelos de supervivencia profunda no paramétricos para analizar la progresión de la Enfermedad de Alzheimer (EA). Aborda la falta de estudios que consideren el sesgo aprendido en los modelos de aprendizaje profundo existentes para la EA y propone nuevas métricas de equidad para garantizar predicciones confiables.

deep learning Alzheimer's disease survival analysis medical AI

RESEARCHarXiv CS.LG·hace 21d

Forecasting Medium-Horizon Alzheimer's Disease Progression: Residual Gap-Aware Transformers for 24-Month CDR-SB Change from ADNI Clinical and Biomarker Histories

Este artículo presenta un transformador sensible a las brechas residuales para predecir la progresión de la enfermedad de Alzheimer a 24 meses, utilizando historiales clínicos y biomarcadores del ADNI. La investigación analiza el cambio en las puntuaciones CDR-SB, anclando muestras en visitas de deterioro cognitivo leve.

Biomarkers machine learning Alzheimer's disease Medical Diagnosis