AlzStack：複数のデータバランス技術を用いた説明可能なAIシステムによる早期発症アルツハイマー病の予測

科学分野:

• 医療における人工知能
• 神経学
• ヘルスケアのための機械学習

背景:

• アルツハイマー病（AD）の診断は、しばしば時間のかかる、高価で、一貫性のない方法に依存しています。
• ADの早期検出は、適時の介入と患者の予後の改善のために極めて重要です。

研究 の 目的:

• 正確なアルツハイマー病分類のためのソフト投票アンサンブルモデルであるAlzStackを開発および評価すること。
• AlzStackのパフォーマンスを従来の診断アプローチおよび他のアンサンブルメソッドと比較すること。

主な方法:

• 人口統計、医学、ライフスタイル、認知変数を網羅する2149人の患者の包括的なデータセットを利用しました。
• クラスの不均衡に対処するために、ランダム化されたハイパーパラメータチューニングと高度なリサンプリング技術（SMOTE、ADASYN、BorderlineSMOTE、SVMSMOTE）を備えた5倍クロスバリデーションパイプラインを実装しました。
• モデルの解釈可能性のために説明可能な人工知能（XAI）手法を採用しました。

主要な成果:

• AlzStackは、AUC 94.27%、精度 93.26%、適合率 89.17%、再現率 92.11%、F1スコア 90.61% という高いパフォーマンス指標を達成しました。
• ソフト投票アンサンブル分類器は、スタッキングおよびハード投票アンサンブルよりも優れたパフォーマンスを発揮しました。
• XAI手法は、MMSEスコア、機能的測定値、行動マーカーなどの重要な予測因子を特定しました。

結論:

• AlzStackは、早期アルツハイマー病検出のための堅牢な予測パフォーマンスを示しています。
• このモデルは、AD診断に関する説明可能な洞察を提供し、ヘルスケアの意思決定支援ツールとしての有用性を高めます。
• このAIアプローチは、従来のAD診断方法よりも効率的で正確な代替手段を提供します。