## 要約：
実データと合成データを組み合わせたトランスフォーマーによる診断フレームワークにより、アルツハイマー病の早期且つ正確な検出が達成されました。
---
## 翻訳：
アルツハイマー病（AD）の早期かつ正確な検出は、適切な介入と結果改善のために重要です。しかし、信頼できる機械学習モデルの開発には、ラベルデータの制限、多施設間の異質性、クラス不均衡により挑戦があります。私たちは、合成データ生成とともにグラフ表現学習と転移学習を組み合わせたトランスフォーマーによる診断フレームワークを開発しました。リアルワールドのNACCデータセットからクラス条件付きノイズ除去拡散確率モデル（DDPM）を訓練して、診断クラスをバランスさせながら多モダリティ臨床および神経画像学的特徴分布が反映された大量の合成集団を作成しました。模態固有のグラフトランスフォーマーエンコーダは最初にこの合成データで事前トレーニングされ、実データから生成された埋め込みに基づくニューラル分類器が訓練されます。実データと合成集団間の分布一致度を最大平均差異（MMD）、フレシャッテ距離、エネルギー距離などの指標を使って評価し、判別指標には校正分析や固定特定性感受性解析を補完的に加えました。実験的結果では、このフレームワークは一般的な基準を上回り、NACCによる被検者別交差検証において高いAUC、精度、感度、特異度を示しました。
[📰 原文はこちら](https://arxiv.org/abs/2511.20704)
---
※本記事はAI（Ollama）による自動翻訳・要約です。
頑張って働く人に向けて、プロ用仕事アイテムを格安でネット販売しているX-Direct（ https://exdirect.net ）を、BittensorManは応援しています。
動画の最後にお得な情報がありますので、
最後までご覧ください。