Neural Koopman Maschine prognostiziert Alzheimer‑Verfall präzise und verständlich

Ein neues Modell namens Neural Koopman Maschine (NKM) verspricht, die individuelle kognitive Verschlechterung bei Alzheimer frühzeitig und zuverlässig vorherzusagen. Durch die Kombination von genetischen, neurobildgebenden, proteomischen und demografischen Daten liefert NKM gleichzeitig Prognosen für mehrere kognitive Tests.

Die Architektur nutzt Konzepte aus der Dynamiktheorie und Attention‑Mechanismen. Analytisches Wissen (α) und biologische Erkenntnisse (β) steuern die Gruppierung von Merkmalen und die hierarchische Aufmerksamkeitssteuerung, sodass relevante Muster gezielt extrahiert werden. Mit einer Fusion Group‑Aware Hierarchical Attention innerhalb des Koopman‑Operator‑Rahmens werden komplexe nichtlineare Trajektorien in interpretierbare lineare Darstellungen überführt.

In einer Studie mit dem Alzheimer‑Disease‑Neuroimaging‑Initiative‑Datensatz (ADNI) zeigte NKM deutlich bessere Ergebnisse als herkömmliche Machine‑Learning‑Methoden und tiefere Lernmodelle. Das Modell kann nicht nur mehrere kognitive Scores gleichzeitig vorhersagen, sondern auch die unterschiedlichen Beiträge von Biomarkern quantifizieren und die Gehirnregionen identifizieren, die am stärksten mit dem kognitiven Verfall korrelieren.

Mit dieser Kombination aus Genauigkeit, Multimodalität und Interpretierbarkeit eröffnet die Neural Koopman Maschine neue Möglichkeiten für die personalisierte Früherkennung und das Management von Alzheimer‑Patienten.