본문으로 건너뛰기

인지 쌍둥이: 알츠하이머병의 인지 저하 예측을 위한 강력한 다중 모드 디지털 쌍둥이

AI 자동 생성

알츠하이머병의 개인별 인지 저하 예측은 질병 진행의 다양성으로 인해 어려울 수 있습니다. 신뢰할 수 있는 임상 도구는 높은 정확도뿐만 아니라 인구 통계학적 공정성과 누락 데이터에 대한 내구성을 필요로 합니다. 인지 쌍둥이는 개인별 인지 경로를 예측하는 디지털 쌍둥이 프레임워크를 제시합니다.

이 모델은 인지 점수, 자기 공명 영상, 포즈트론 방출 단백질 영상, 뇌척수액 생화학적 표지자 및 유전학을 포함한 다중 모드 연속 데이터를 통합합니다. Transformer 기반 아키텍처를 사용하여 모사를 결합하고 시간적 동역학을 캡처하기 위해 깊은 마르코프 모델을 사용합니다.

1,666명의 환자 데이터를 사용하여 TADPOLE(Alzheimer's Disease Neuroimaging Initiative) 데이터 세트에서 프레임워크를 훈련하고 평가했습니다. 모델의 예측 오류, 인구 통계학적 공정성 및 누락되지 않은 데이터 패턴에 대한 내구성을 평가했습니다.

인지 쌍둥이는 정확하고 개인화된 인지 저하 예측을 제공합니다. 환자 인구 통계학적 특성에 대한 공정성과 임상 탈락에 대한 내구성을 보여주어 임상试験 보강 및 개인화된 치료 계획을 위한 신뢰할 수 있는 도구로써 이 모델은 임상 환경에서 사용할 수 있습니다.

인지 쌍둥이의 구성 요소

  • Transformer 기반 아키텍처: 모사를 결합하기 위해 사용됩니다.
  • 깊은 마르코프 모델: 시간적 동역학을 캡처하기 위해 사용됩니다.
  • 인공 신경망: 데이터를 처리하기 위해 사용됩니다.
원문 보기 arXiv AI

함께 읽으면 좋은 기사

AI 모델 8월 16일

구글 지니미(Google Gemini)의 보이는 워터마크를 끄는 방법이 나왔다!

구글은 이제 지니미와 플로(Google's AI video generator, Flow)에서 AI工具을 이용해 만든 미디어에 보이는 워터마크를 제거할 수 있는 기능을 제공합니다. 이 업데이트로, 사용자는 지니미와 플로의 새로운 '미디어 워터마크' 설정을 끌 수 있습니다. 워터마크가 끄면, 지니미에서 생성된 이미지, 비디오, 음악에 나타나는 '스파클(sparkle)' 워터마크가 사라집니다.

AI 모델 8월 16일

애플, 중국 위해 알리바바와 함께 자체 AI 모델을 교육

애플은 중국 시장에 맞는 맞춤형 AI 모델을 중국 기술巨인 알리바바와 함께 개발하고 훈련했다고 보고되었다. 이는 베이징과 워싱턴 간 커져가는 긴장감을 무시하고 중국과 미국 사이에 드문 획기적인 협력이다. 알리바바의 지원을 받으며 개발된 중국을 대상으로 한 대규모 언어 모델(LLM) 훈련은 알리바바와 함께 개발되었으며, 리트저스는 훈련에 대한 지원을 받았다고 세 명의 익명한 사람들의 진술에 근

AI 모델 8월 15일

대량 언어 모델(LLM) 개인화에 대한 대응: Meta-LoRA를 이용한 다원 도메인 선호도 학습

대규모 언어 모델(LLM)의 개인화를 위한 다원 도메인 선호도 학습은 새로운 대화 도메인에서 사용자 선호도에 맞는 응답을 생성하는 것을 목표로 합니다. 하지만 기존의 적응 방법은 적은 수의 대상 도메인 상호 작용만으로 업데이트한 크기를 조정하기 어려워 오버피팅을 일으키며, 역전파 방법은 사용자 선호도를 소스 도메인 오류와 혼동하여 불신할 수 있는 개인화 전제 조건과 부정적인 전이를 일으킵니다. 이러한 문제를 해결하기 위해, 우리는 PAC-Bayes-정규화된 Meta-LoRA를 제안하여, 업데이트한 크기를 증거의 질에 맞게 조정하고, 오버피팅을 최소화하며, 증거가 증가할 때 강한 개인화를 허용합니다.

AI 모델 8월 15일

듀얼-플로우 트랜스포머: 주요 프리 필 경로와 추가 디코딩 계산을 분리하는 방법

대규모 언어 모델은 더 많은 요청을 처리할수록,一次적인 학습 비용 대비 누적적인 추론 비용이 점점 더 중요해지고 있습니다. 추론의 두 가지 단계는 하드웨어를 다르게 부하를 주고 있습니다:_prompt prefill은 병렬적이고 일반적으로 계산량에 의존하는 반면, autoregressive decode는 순차적이고 종종 메모리 대역폭에 의존합니다. 전통적인 너비 또는 깊이 확대는 두 비용을 모

관련 콘텐츠 더 보기

다른 플랫폼에서 이 주제에 대한 더 많은 정보를 확인하세요.