Regionale Gehirnexperten fusionieren: Modell für Alzheimer‑Diagnose

Die frühzeitige und präzise Diagnose von Alzheimer ist entscheidend für die Planung einer wirksamen Therapie. In der klinischen Praxis werden dabei häufig mehrere Bildmodalitäten – etwa Amyloid‑PET und MRT – kombiniert, um ein umfassenderes Bild des Krankheitsverlaufs zu erhalten. Traditionelle Fusionsmethoden setzen jedoch meist auf eine einfache Konkatenation von Merkmalen, wodurch die unterschiedlichen Beiträge von Biomarkern nicht optimal ausgewogen werden.

Das neue Modell MREF‑AD (Multimodal Regional Expert Fusion) löst dieses Problem, indem es ein Mixture‑of‑Experts‑Framework nutzt. Jeder meso‑skalige Hirnregion in jeder Modalität wird ein unabhängiger Experte zugeordnet. Zwei Ebenen von Gating‑Netzwerken lernen anschließend, wie die einzelnen Experten gewichtet werden sollen – und zwar individuell für jeden Patienten. Auf diese Weise kann das Modell die relevanten regionalen Signale aus struktureller und molekularer Bildgebung adaptiv kombinieren.

Durch diese adaptive Fusion erzielt MREF‑AD nicht nur eine verbesserte diagnostische Leistung, sondern liefert gleichzeitig wertvolle Einsichten auf Modality‑ und Regionsebene. Das Modell zeigt, welche Hirnregionen und welche Biomarker in der Kombination besonders aussagekräftig sind, und macht so die Entscheidungsfindung für Kliniker transparenter.

In umfangreichen Tests mit Daten der Alzheimer’s Disease Neuroimaging Initiative (ADNI) übertrifft MREF‑AD die bisherigen Baselines und erreicht damit einen neuen Stand der Technik. Gleichzeitig bietet es eine erweiterte Interpretierbarkeit der biomarker‑spezifischen Relevanz pro Region. Damit stellt es ein generisches, adaptives und interpretierbares Framework für multimodale Fusion in der Neuroimaging‑Forschung dar.