개인화된 디지털 트윈을 통한 인지 쇠퇴 평가: 다원적 불확실성 인식 프레임워크

개인화된 인지 쇠퇴 평가 디지털 트윈(PCD-DT)

PCD-DT 프레임워크는 환자별 질병 경로를 모델링하는 다원적 불확실성 인식 프레임워크입니다. 이 프레임워크는 환자별 시간적 동적을 표현하는 감추어진 상태-공간 모델, 임상, 생물학적, 영상 특성의 다원적 융합, 그리고 강인한 디지털 트윈 작동을 지원하는 불확실성 인식 유효성 검사 및 적응 업데이트라는 세 가지 구성 요소를 포함합니다.

기법 및 결과

연구팀은 다음의 기법을 사용하여 PCD-DT 프레임워크를 개발했습니다.

• 감추어진 상태-공간 모델: 환자별 시간적 동적을 표현하기 위한 모델
• 다원적 융합: 임상, 생물학적, 영상 특성의 융합
• 불확실성 인식 유효성 검사 및 적응 업데이트: 강인한 디지털 트윈 작동을 지원하기 위한 유효성 검사 및 적응 업데이트

연구팀은 TADPOLE 데이터를 사용하여 PCD-DT 프레임워크의 유효성을 검증했습니다. 결과는 다음과 같습니다.

• ADAS13, ventricle volume, hippocampal volume의 5년간의 경향이 분명하게 구별되었다.
• 다원적 융합이 사용된 LSTM 시퀀스 모델이 ADAS13(0.4419)와 ventricle volume(0.5842)의 표준화 RMSE에서 가장 낮은 값을 나타냈다.

결론

PCD-DT 프레임워크는 개인화된 인 silico 모델링을 지원하는 다원적 불확실성 인식 프레임워크입니다. 이 프레임워크는 환자별 질병 경로를 모델링하는 데 사용할 수 있으며, 강인한 디지털 트윈 작동을 지원하는 불확실성 인식 유효성 검사 및 적응 업데이트라는 세 가지 구성 요소를 포함합니다. 연구팀은 PCD-DT 프레임워크의 유효성을 검증하기 위해 TADPOLE 데이터를 사용했으며, 결과는 다음과 같습니다.

• ADAS13, ventricle volume, hippocampal volume의 5년간의 경향이 분명하게 구별되었다.
• 다원적 융합이 사용된 LSTM 시퀀스 모델이 ADAS13(0.4419)와 ventricle volume(0.5842)의 표준화 RMSE에서 가장 낮은 값을 나타냈다.