Search research articles

ACERCA DE JoVE

Visión General Liderazgo Blog Centro de Ayuda JoVE

AUTORES

Proceso de Publicación Consejo Editorial Alcance y Políticas Revisión por Pares Preguntas Frecuentes Enviar

BIBLIOTECARIOS

Testimonios Suscripciones Acceso Recursos Consejo Asesor de Bibliotecas Preguntas Frecuentes

INVESTIGACIÓN

JoVE Journal Methods Collections JoVE Encyclopedia of Experiments Archivo

EDUCACIÓN

JoVE Core JoVE Business JoVE Science Education JoVE Lab Manual Centro de Recursos para Profesores Sitio de Profesores

Términos y Condiciones de Uso

Política de Privacidad

Videos de Conceptos Relacionados

Alzheimer's Disease: Overview

Alzheimer's Disease: Overview

Alzheimer's Disease (AD) is a continually advancing neurodegenerative disorder, distinguished by escalating memory loss, cognitive dysfunction, and dementia. The disease unfolds in three stages: preclinical, mild cognitive impairment (MCI), and dementia. Its onset is insidious, and the progression gradual, with the cause not well explained by other disorders.
The clinical diagnosis of AD hinges on the presence of memory and other cognitive impairments. Biomarkers, such as changes in Aβ...

Alzheimer's Disease: Treatment

Alzheimer's Disease: Treatment

Alzheimer's Disease (AD), a neurodegenerative disorder, is pathologically identified by amyloid plaques and neurofibrillary tangles composed of tau protein. AD pharmacotherapy aims to manage cognitive symptoms, delay disease progression, and treat behavioral symptoms. The treatment is primarily symptomatic and palliative, with no definitive disease-modifying therapy available. Cholinesterase inhibitors, including donepezil (Aricept), rivastigmine (Exelon), and galantamine (Razadyne), are...

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por

Same author

Development of a deep learning based framework for classification of Indian venomous snakes integrated with explainable artificial intelligence for primary and emergency care providers.

PLoS neglected tropical diseases·2026

Same author

AlzStack: Forecasting early-onset Alzheimer's with an explainable AI system using multiple data balancing techniques.

Global epidemiology·2026

Same author

Weed detection in blackgram fields under occlusion and class imbalance using SA-ANMS Faster R-CNN.

Scientific reports·2026

Same author

An explainable artificial intelligence framework for ischemic heart disease prediction using enhanced squirrel search feature selection.

Scientific reports·2026

Same author

Interpretable machine learning and deep neural networks for ICU admission prediction in paediatric respiratory patients.

Scientific reports·2026

Same author

Diagnostic Accuracy of Artificial Intelligence Models for Differentiation of Squamous Cell Carcinoma and Adenocarcinoma of Lung-A Systematic Review.

Diagnostics (Basel, Switzerland)·2026

Same journal

Measuring neurodevelopment in iron-deficient children in sub-Saharan Africa: A systematic review of evidence and gaps.

Global epidemiology·2026

Same journal

Women's family planning status in Ethiopia: A geo-additive modeling approach.

Global epidemiology·2026

Same journal

Corrigendum to "Estimation of the global number of nicotine vapers in 2025" [Global Epidemiology 11 (2026) 100257].

Global epidemiology·2026

Same journal

Three little pigs and one big bad wolf: The parable of data sharing in epidemiology.

Global epidemiology·2026

Same journal

Erratum regarding Missing disclaimer statement from Editor [in Chief] on the decision process in previously published articles.

Global epidemiology·2026

Same journal

The first Turks and Caicos Islands global school health survey: Brief findings, challenges, lessons learned, and next steps.

Global epidemiology·2026

Ver todos los artículos relacionados

Search research articles

Video Experimental Relacionado

Updated: Jan 7, 2026

Author Spotlight: Advancing Alzheimer's Research – Exploring Early Detection and Multi-Omics Approaches

Author Spotlight: Advancing Alzheimer's Research – Exploring Early Detection and Multi-Omics Approaches

Published on: December 15, 2023

AlzStack: Predicción del alzhéimer de aparición temprana con un sistema de IA explicable que utiliza técnicas de

Venkata Aditi Modali¹, Manohar Pavanya², R Vijaya Arjunan¹

¹Manipal Institute of Technology, Manipal Academy of Higher Education, Manipal, Karnataka, 576104, India.

Global epidemiology

|January 1, 2026

Resumen

Este resumen es generado por máquina.

La detección temprana de la enfermedad de Alzheimer (EA) mejora con AlzStack, un novedoso modelo de IA. Este clasificador de conjunto identifica con precisión la EA utilizando diversos datos de pacientes, superando a los métodos tradicionales para obtener mejores resultados en los pacientes.

Palabras clave:

Alzheimer Diagnóstico temprano Aprendizaje de conjunto Aprendizaje automático Votación suave XAI

Más Videos Relacionados

A Machine Learning Approach to Design an Efficient Selective Screening of Mild Cognitive Impairment

A Machine Learning Approach to Design an Efficient Selective Screening of Mild Cognitive Impairment

Published on: January 11, 2020

Generalized Psychophysiological Interaction PPI Analysis of Memory Related Connectivity in Individuals at Genetic Risk for Alzheimer's Disease

Generalized Psychophysiological Interaction PPI Analysis of Memory Related Connectivity in Individuals at Genetic Risk for Alzheimer's Disease

Published on: November 14, 2017

Videos de Experimentos Relacionados

Last Updated: Jan 7, 2026

Author Spotlight: Advancing Alzheimer's Research – Exploring Early Detection and Multi-Omics Approaches

Author Spotlight: Advancing Alzheimer's Research – Exploring Early Detection and Multi-Omics Approaches

Published on: December 15, 2023

A Machine Learning Approach to Design an Efficient Selective Screening of Mild Cognitive Impairment

A Machine Learning Approach to Design an Efficient Selective Screening of Mild Cognitive Impairment

Published on: January 11, 2020

Generalized Psychophysiological Interaction PPI Analysis of Memory Related Connectivity in Individuals at Genetic Risk for Alzheimer's Disease

Generalized Psychophysiological Interaction PPI Analysis of Memory Related Connectivity in Individuals at Genetic Risk for Alzheimer's Disease

Published on: November 14, 2017

Área de la Ciencia:

Inteligencia artificial en medicina
Neurología
Aprendizaje automático para la atención médica

Sus antecedentes:

El diagnóstico de la enfermedad de Alzheimer (EA) se basa en métodos que a menudo consumen mucho tiempo, son costosos e inconsistentes.
La detección temprana de la EA es fundamental para la intervención oportuna y la mejora del pronóstico del paciente.

Objetivo del estudio:

Desarrollar y evaluar AlzStack, un modelo de conjunto de votación suave para la clasificación precisa de la enfermedad de Alzheimer.
Comparar el rendimiento de AlzStack con los enfoques de diagnóstico tradicionales y otros métodos de conjunto.

Principales métodos:

Se utilizó un conjunto de datos completo de 2149 pacientes, incluidas variables demográficas, médicas, de estilo de vida y cognitivas.
Se implementó un pipeline de validación cruzada de 5 pliegues con ajuste de hiperparámetros aleatorizados y técnicas avanzadas de remuestreo (SMOTE, ADASYN, BorderlineSMOTE, SVMSMOTE) para abordar el desequilibrio de clases.
Se emplearon métodos de Inteligencia Artificial Explicable (XAI) para la interpretabilidad del modelo.

Principales resultados:

AlzStack logró métricas de alto rendimiento: 94,27% de AUC, 93,26% de precisión, 89,17% de precisión, 92,11% de sensibilidad y 90,61% de puntuación F1.
El clasificador de conjunto de votación suave superó a los conjuntos de apilamiento y votación dura.
Los métodos XAI identificaron características predictivas clave como las puntuaciones MMSE, las medidas funcionales y los marcadores conductuales.

Conclusiones:

AlzStack demuestra un sólido rendimiento predictivo para la detección temprana de la enfermedad de Alzheimer.
El modelo ofrece información explicable sobre el diagnóstico de la EA, mejorando su utilidad como herramienta de apoyo a la toma de decisiones sanitarias.
Este enfoque de IA proporciona una alternativa más eficiente y precisa a los métodos de diagnóstico tradicionales de la EA.