Multi-stream deep learning framework to predict mild cognitive impairment with Rey Complex Figure Test

要約

レイ複素図形テスト (RCFT) のような描画テストは、視空間スキルや記憶などの認知機能を評価するために広く使用されており、軽度認知障害 (MCI) を検出するための貴重なツールとなっています。
これらのテストに基づく既存の予測モデルは、その有用性にもかかわらず、サンプル サイズが小さいことや外部検証の欠如など、信頼性が損なわれるという制限に悩まされることがよくあります。
私たちは、生の RCFT 画像を使用したマルチヘッド自己注意ベースの空間ストリームと、以前に開発された自動スコアリング システムを使用したスコアリング ストリームという 2 つの異なる処理ストリームを統合するマルチストリーム ディープ ラーニング フレームワークを開発しました。
私たちのモデルは、韓国人コホートの 1,740 人の被験者からのデータでトレーニングされ、韓国の 222 人の被験者からなる外部の病院データセットで検証されました。
提案されたマルチストリーム モデルは、外部検証においてベースライン モデル (AUC = 0.872、精度 = 0.781) よりも優れたパフォーマンスを実証しました。
空間ストリームとスコアリング ストリームの両方を統合することで、モデルは生の画像から複雑な視覚的詳細をキャプチャできると同時に、構造化されたスコアリング データも組み込むことができるため、微妙な認知障害を検出する能力が強化されます。
この二重のアプローチにより、予測精度が向上するだけでなく、モデルの堅牢性も向上し、多様な臨床現場での信頼性が高まります。
私たちのモデルは臨床現場に実用的な意味を持ち、初期の MCI スクリーニングのための費用対効果の高いツールとして機能する可能性があります。

要約(オリジナル)

Drawing tests like the Rey Complex Figure Test (RCFT) are widely used to assess cognitive functions such as visuospatial skills and memory, making them valuable tools for detecting mild cognitive impairment (MCI). Despite their utility, existing predictive models based on these tests often suffer from limitations like small sample sizes and lack of external validation, which undermine their reliability. We developed a multi-stream deep learning framework that integrates two distinct processing streams: a multi-head self-attention based spatial stream using raw RCFT images and a scoring stream employing a previously developed automated scoring system. Our model was trained on data from 1,740 subjects in the Korean cohort and validated on an external hospital dataset of 222 subjects from Korea. The proposed multi-stream model demonstrated superior performance over baseline models (AUC = 0.872, Accuracy = 0.781) in external validation. The integration of both spatial and scoring streams enables the model to capture intricate visual details from the raw images while also incorporating structured scoring data, which together enhance its ability to detect subtle cognitive impairments. This dual approach not only improves predictive accuracy but also increases the robustness of the model, making it more reliable in diverse clinical settings. Our model has practical implications for clinical settings, where it could serve as a cost-effective tool for early MCI screening.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google