LLM enhanced graph inference for long-term disease progression modelling
Created by
Haebom
Category
Empty
저자
Tiantian He, An Zhao, Elinor Thompson, Anna Schroder, Ahmed Abdulaal, Frederik Barkhof, Daniel C. Alexander
개요
신경퇴행성 질환에서 뇌 영역 간 바이오마커의 상호작용을 이해하는 것은 질병 진행의 메커니즘을 밝히는 데 필수적이다. 본 논문에서는 대규모 언어 모델(LLMs)을 활용하여 불규칙적으로 샘플링된 종단 환자 데이터로부터 질병 진행을 학습하는 새로운 프레임워크를 제시한다. LLMs의 다중 모달 관계를 종합하고 다양한 질병 유발 메커니즘을 통합하는 능력을 활용하여, 개별 수준의 관찰로부터 장기적인 질병 궤적을 구성하고 생물학적으로 제약된 뇌 영역 간 상호작용 그래프 구조를 동시에 최적화한다. 알츠하이머병(AD) 코호트의 tau-PET 영상 데이터를 사용하여 병리 전파를 추정하여 기존 접근 방식보다 우수한 예측 정확도와 해석 가능성을 입증하고, 기존 연결성 측정 외에 추가적인 질병 유발 요인을 밝힌다.
시사점, 한계점
•
LLMs를 활용하여 뇌 영역 간의 상호작용을 모델링하여 질병 진행을 예측하는 새로운 프레임워크 제시
