基于多任务Transformer的阿尔茨海默病纵向轨迹预测与不确定性量化研究

《AI》：Uncertainty-Aware Longitudinal Trajectory Forecasting in Alzheimer’s Disease with a Multi-Task Transformer

　　

专业术语翻译 准确预测阿尔茨海默病（Alzheimer's Disease, AD）的进展对于临床医生至关重要，他们不仅需要识别最可能的短期诊断，还需要了解病情将如何随时间演变，以及每个患者的预测可靠性如何。然而，疾病表现的异质性和纵向数据的稀缺性使这项任务充满挑战。许多当前的深度学习方法将问题简化为单步分类，并且很少考虑后续就诊中不确定性的作用。研究人员提出了NeuroTrajectory-Net，一种多任务Transformer架构，仅基于受试者既往就诊记录即可预测未来简易精神状态检查（Mini-Mental State Examination, MMSE）斜率、未来临床痴呆评定量表（Clinical Dementia Rating, CDR）斜率以及二元进展风险。利用包含150名患者（373次就诊）的OASIS-2数据集，研究人员在单个患者层面（受试者不重叠）划分的训练集（90名受试者）、验证集（30名受试者）和测试集（30名受试者）上评估模型，确保任何受试者的序列不会出现在多个分区中。在测试集上，NeuroTrajectory-Net对未来MMSE斜率的预测平均绝对误差（Mean Absolute Error, MAE）达到1.82 MMSE分/年。然而，其分类头的表现不如单任务模型（AUC = 0.51，而单任务模型为0.87–0.98）。蒙特卡洛Dropout（Monte Carlo Dropout, MCD）可生成个性化的95%预测区间；但测试集上的经验覆盖率仅为48.8%，表明区间校准不足，尚不适合用于临床决策。目标生成规则和零填充就诊的处理方式尚未在代码层面重新验证，作为可复现性限制予以报告；因此，进展分类结果应视为初步结果。该论文介绍了一种旨在避免目标泄漏和划分泄漏的多任务框架，并同时报告了其优势与局限性。

论文解读

一、研究背景与问题提出

阿尔茨海默病是一种进行性神经退行性疾病，以记忆障碍和认知功能障碍为主要特征，是全球范围内痴呆症最常见的病因。据世界卫生组织统计，目前全球约有5700万痴呆症患者，预计到2050年这一数字将翻倍以上。对于临床医生而言，准确预测AD的疾病进展轨迹具有重要的临床意义：不仅需要识别最可能的短期诊断结果，还需要理解病情将如何随时间演变，以及每个患者个体预测的可靠性如何。然而，疾病表现的显著异质性以及纵向临床数据的稀缺性，使得这一预测任务面临巨大挑战。

当前用于痴呆进展预测的技术手段主要依赖临床医生的经验和患者群体的平均进展速率，几乎不提供个性化支持，也缺乏数据驱动的辅助。尽管近年来多种机器学习模型已被开发用于结合神经影像、临床检查和脑脊液（Cerebrospinal Fluid, CSF）生物标志物评估痴呆患者的认知损伤，但这些方法在常规临床实践中的应用仍然有限。大多数医疗机构，尤其是远离资源充沛城市中心的机构，仍然依赖神经心理学测试结合个人、家族和健康史来评估和治疗痴呆患者，因此许多临床医生及其患者未能受益于现有的机器学习技术。

现有研究存在几个关键问题：第一，许多模型对患者轨迹做出严格的假设；第二，它们侧重于确定性的单步预测；第三，未考虑从一种诊断阶段进展到另一种诊断阶段的序数性质；第四，未区分不同类型的不确定性。此外，公开可获取的纵向神经影像和临床队列（如本研究使用的OASIS-2队列）在深度学习标准下规模很小（100–200名受试者），且对于罕见的临床结局（如从非痴呆或轻度痴呆状态进展到更高CDR阶段），队列存在明显的类别不平衡问题。纵向模型还容易受到信息泄漏的影响：如果模型在构建目标值时无意中看到了未来就诊信息，或者评估时使用了属于训练集的参与者就诊记录，报告的性能将被夸大且不可靠。

基于上述背景，本研究的目的是利用常规收集的临床评估信息，在个体层面确定认知和功能状态的动态变化，为临床护理规划提供个性化的数据驱动支持。

二、研究内容与主要结论

研究人员提出了NeuroTrajectory-Net，一种紧凑的多任务Transformer编码器架构，该模型接收可变长度的患者历史就诊序列，同时预测三个输出：未来MMSE斜率（以MMSE分/年表示）、未来CDR斜率，以及未来诊断变化的二元进展/转化概率。模型在OASIS-2纵向数据集上进行评估，该数据集包含150名年龄在60至96岁之间的参与者，共373次纵向MRI就诊记录（平均每位参与者2.5次就诊）。数据集包含人口统计学因素（年龄、性别、教育水平和社会经济地位）、临床因素（MMSE和CDR）以及MRI衍生体积测量值（估计总颅内体积eTIV、图谱缩放因子ASF和归一化全脑体积nWBV）。研究人员采用患者层面（受试者不重叠）的划分方式，将数据分为90名受试者的训练集、30名受试者的验证集和30名受试者的测试集，确保任何受试者的序列不会出现在多个分区中。

在测试集上，NeuroTrajectory-Net对未来MMSE斜率的预测MAE达到1.82 MMSE分/年。然而，其分类头的表现不如单任务基线模型：AUC仅为0.510，远低于随机森林（0.976）、GRU（0.976）、LSTM（0.973）、SVM-RBF（0.951）和逻辑回归（0.866）。蒙特卡洛Dropout生成的个性化95%预测区间在测试集上的经验覆盖率仅为48.8%（名义目标为95%），平均总区间宽度为1.76 MMSE斜率单位，表明当前Dropout配置低估了部分受试者的预测不确定性。

本研究做出了三项贡献：第一，提出了NeuroTrajectory-Net这一紧凑的多任务Transformer编码器，可同时预测认知衰退斜率、功能衰退斜率和进展风险；第二，识别并纠正了基线流程中两个容易被忽视且难以检测的实现问题，即历史窗口中的边界问题（可能消除目标事件的正类）和随机受试者划分问题（可能将所有测试受试者放入单一分区从而使评估失效）；第三，进行了广泛的模型间比较分析，涉及多种回归和分类基线模型，全部在相同的受试者不重叠划分上评估，并透明地报告了研究结果，包括所提出的深度架构未能优于更简单基线的案例。

三、关键技术方法概述

本研究采用的主要技术方法包括：第一，NeuroTrajectory-Net多任务Transformer架构，采用两模块Transformer编码器构建轨迹表示，通过自注意力机制学习就诊之间的长程非相邻依赖关系，共享轨迹表示后分支为三个任务特定输出头；第二，蒙特卡洛Dropout不确定性量化方法，在推理阶段保持Dropout激活，通过100次随机前向传播近似贝叶斯后验推断，计算预测均值、方差和95%预测区间；第三，多任务学习框架，通过共享底层表示同时优化MMSE斜率回归（Huber损失）、CDR斜率回归（Huber损失）和二元进展分类（二元交叉熵损失）三个任务；第四，与多种基线模型的系统比较，包括随机森林、支持向量机、逻辑回归、门控循环单元和长短期记忆网络。数据来源为OASIS-2纵向MRI数据集（通过Kaggle“MRI and Alzheimer's”仓库以表格格式提供，文件名为oasis_longitudinal.csv），包含150名参与者共373次纵向就诊记录。

四、研究结果

性能评估结果。 在阿尔茨海默病预测实验中，随机种子设为42，使用Python 3.11、NumPy 1.26.4和TensorFlow/Keras 2.21实现。NeuroTrajectory-Net共有90,627个可训练参数，训练最多150个轮次，批量大小为16，采用验证损失早停（耐心值20）和学习率衰减策略，本实验中在第37轮提前停止。数据集包含133条训练序列、47条验证序列和43条测试序列，分别来自90名、30名和30名受试者，历史长度固定为6个时间步，对于就诊次数较少的受试者使用零填充。在43条保留测试序列上，NeuroTrajectory-Net的AUC为0.510，精度为0.047，明显低于所有单任务基线模型。

混淆矩阵分析结果。 在43条测试序列上，随机森林和LSTM均正确分类了41条序列（准确率0.953），但分别仅识别出1条和2条转化序列；GRU未识别出任何转化序列。NeuroTrajectory-Net将所有43条测试序列全部归类为转化类（2个真阳性、41个假阳性），其准确率等于测试集中转化的基础比率。AUC为0.510表明预测概率对转化和稳定测试序列的排序接近随机水平，因此失败不能仅归因于决策阈值的选择。

不确定性量化结果。 蒙特卡洛Dropout以100次随机前向传播生成个性化的95%认知斜率预测区间，测试集经验覆盖率为48.8%（名义目标为95%），平均总区间宽度为1.76 MMSE斜率单位。区间覆盖不足表明当前Dropout配置低估了部分受试者的预测不确定性。研究人员将覆盖不足归因于三个因素：MC Dropout仅捕获Dropout诱导的变异性而非MMSE斜率目标中的观测噪声；认知头使用Huber损失训练，估计中心预测但不学习噪声方差；训练集仅包含来自90名受试者的133条序列，限制了Dropout可表示的变异性。

纵向与分布特征结果。 原始逐受试者MMSE和CDR轨迹显示，受试者在基线水平和变化速率方面均存在显著的个体间异质性，这为采用个性化逐受试者预测方法而非群体平均模型提供了动机。

五、讨论与结论

本研究的结论部分指出，预测认知和功能衰退可能实现对阿尔茨海默病患者的个性化评估，但此类模型在临床实践应用前需要充分验证。本研究在OASIS-2数据集的固定患者层面划分上，模型实现了约1.82分/年的MMSE斜率MAE。进展分类结果应视为初步结果，因为测试集中仅包含2条转化序列。蒙特卡洛Dropout不确定性区间的经验覆盖率仅为48.8%，尽管名义水平为95%。研究存在若干局限性，包括小规模单中心队列、缺乏重复的患者层面交叉验证、类别不平衡、不确定性区间校准不足，以及目标生成和填充掩码的文档不完整。未来工作应聚焦于重复的患者层面验证、分类指标的置信区间、验证注意力/池化掩码、平衡与不平衡场景的清晰比较、校准的不确定性区间以及外部多中心验证。当前模型应被视为学术原型而非临床决策支持系统。