Nat Commun｜AI驱动的多模态数据融合用于阿尔茨海默病生物标志物评估

背景：阿尔茨海默病（AD）的诊断主要依赖PET成像检测Aβ和tau蛋白病理，但成本高昂且可及性低，限制了临床应用。研究目的：开发一个基于Transformer的AI框架，通过整合多模态临床数据（如人口统计学、MRI、神经心理学评估等），预测AD的Aβ和tau病理状态，以提供低成本、可扩展的预筛选工具。结论：该模型在预测Aβ和tau状态方面表现优异（AUROC分别为0.79和0.84），与死后病理学和生物标志物分期高度一致，能有效处理数据缺失问题，并捕捉Aβ与tau病理间的协同关系，为AD临床试验的候选人筛选和靶向治疗提供了新范式。