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

Um classificador XGBoost foi desenvolvido usando características clínicas do conjunto de dados ADNI para detecção multiclasse de cognição normal, comprometimento cognitivo leve e doença de Alzheimer. O modelo alcançou um alto AUC macro médio de 0.983 e uma precisão de 0.944, com valores SHAP fornecendo explicabilidade das características.