⏶2
BRAINS：一个用于阿尔茨海默病检测和监测的检索增强系统
发表
由 
Rajan Das Gupta 提交
Rajan Das Gupta 提交作者: Rajan Das Gupta, Md Kishor Morol, Nafiz Fahad, Md Tanzib Hosain, Sumaya Binte Zilani Choya, Md Jakir Hossen
摘要
AI 生成总结
BRAINS 是一个使用大型语言模型的系统，通过整合认知评估和病例检索，有效检测和监测阿尔茨海默病。随着全球阿尔茨海默病（AD）负担持续增长，早期准确的检测变得越来越关键，尤其是在诊断工具受限的地区。我们提出了 BRAINS（神经退行性疾病筛查的生物医学检索增强智能）来解决这一挑战。这个新颖的系统利用大型语言模型（LLMs）强大的推理能力进行阿尔茨海默病的检测和监测。BRAINS 具有双模块架构：认知诊断模块和病例检索模块。诊断模块利用在认知和神经影像数据集（包括 MMSE、CDR 评分和脑容量指标）上微调的 LLMs，对阿尔茨海默病风险进行结构化评估。同时，病例检索模块将患者档案编码为潜在表示，并从精心策划的知识库中检索相似病例。这些辅助病例通过病例融合层与输入档案融合，以增强上下文理解。然后，组合表示与临床提示一起进行推理。对真实世界数据集的评估证明了 BRAINS 在疾病严重程度分类和识别认知能力下降早期迹象方面的有效性。该系统不仅作为一种辅助工具，在可扩展、可解释和早期阿尔茨海默病检测方面显示出巨大潜力，而且为该领域未来的应用提供了希望。
🧠 BRAINS：用于神经退行性疾病筛查的生物医学检索增强智能
随着阿尔茨海默病（AD）在全球范围内造成日益沉重的负担，早期和可及的诊断至关重要——尤其是在医疗资源有限的地区。BRAINS引入了一个检索增强型大型语言模型（LLM）框架，专为阿尔茨海默病检测和监测而设计。
该系统集成了两个协同组件：
认知诊断模块：经过微调的LLM分析认知和神经影像学指标（例如MMSE、CDR、脑容量）以预测阿尔茨海默病的风险和进展。
案例检索模块：将患者档案嵌入到潜在表示中，并从精心策划的临床知识库中检索语义相似的案例。
检索到的案例通过案例融合层进行融合，使模型能够进行情境推理并提高推理准确性。在真实世界数据集上的评估表明，BRAINS在识别早期认知衰退和分类疾病严重程度方面表现出色。
⚙️ 主要特点：
检索增强型临床推理
可解释的预测
可扩展的早期筛查
💡 BRAINS代表着朝着值得信赖、多模态和可解释的AI辅助神经诊断迈出的一步——将生物医学智能与可及的患者护理相结合。