Un nuevo enfoque de aprendizaje basado en transformadores sin imputación, NITROGEN, modela conjuntamente las relaciones intra-paciente e inter-paciente para predecir la enfermedad de Alzheimer directamente a partir de datos clínicos parcialmente observados, logrando una calibración robusta y cuantificación de incertidumbre en cohortes heterogéneas.
La investigación
Investigadores liderados por Christelle Schneuwly Diaz en la Universidad de Lausana desarrollaron NITROGEN, un transformador que utiliza atención enmascarada e inter-muestra para manejar datos faltantes sin imputar valores. Entrenaron el modelo en 7.858 exploraciones de la Iniciativa de Neuroimagen de la Enfermedad de Alzheimer (ADNI) y lo probaron en dos cohortes independientes: OASIS-3 (2.675 exploraciones) y AIBL (1.286 exploraciones). En tareas de clasificación diagnóstica y predicción de puntuaciones cognitivas, NITROGEN mostró mejor calibración y cuantificación de incertidumbre en comparación con métodos de conjunto basados en árboles, manteniendo un rendimiento discriminativo competitivo. El modelo identificó el grosor cortical en el polo temporal, la edad y el genotipo APOE como características importantes para la clasificación. Los autores también introdujeron un ajuste de incertidumbre consciente de la modalidad que aumenta la incertidumbre predictiva proporcionalmente a la importancia de las modalidades faltantes.
Por qué es importante
Los datos clínicos del mundo real suelen ser incompletos y heterogéneos, lo que los métodos convencionales de imputación manejan mal al introducir sesgos y producir predicciones demasiado confiadas. El enfoque sin imputación de NITROGEN preserva las relaciones entre características y proporciona estimaciones de incertidumbre fiables, lo cual es crítico para la toma de decisiones clínicas. El estudio destaca que evaluar los modelos en calibración, interpretabilidad y fiabilidad entre cohortes — no solo en precisión — es esencial para su implementación. Para las personas interesadas en la salud cognitiva, esta investigación subraya la importancia de desarrollar herramientas diagnósticas robustas que puedan manejar datos variados e incompletos típicos en entornos clínicos reales.
Qué puedes hacer
Aunque no puedes aplicar directamente este modelo, puedes mantenerte informado sobre los avances en la predicción del Alzheimer. Para tu propia salud cerebral, considera monitorear factores de riesgo conocidos como la edad y el genotipo APOE mediante chequeos regulares. Participa en entrenamiento cognitivo e intervenciones de estilo de vida que puedan apoyar la salud cerebral.
Fuente: arXiv q-bio.NC
¿Sientes curiosidad por tu propio cerebro? Realiza nuestro test de CI adaptativo gratuito o prueba 306 niveles de entrenamiento cerebral.
