PatTree: графовая ИИ-модель достигла 98,5% точности в диагностике Альцгеймера

Исследователи представили ИИ-модель PatTree для автоматического создания графовых представлений пациентов на основе разнородных клинических данных. Работа опубликована в архиве препринтов arXiv.

Главная задача разработки — упростить анализ медицинской информации, которая часто содержит пропуски, разные форматы и временные точки. Традиционно такие данные требуют трудоёмкой гармонизации перед использованием в ИИ. PatTree позволяет обойти этот этап, структурируя данные автоматически.

Модель строит единый граф знаний, в котором сохраняются смысловые связи между элементами данных из разных источников. Это делает информацию интерпретируемой для машин и совместимой между системами.

Эффективность PatTree проверили на выборке из 763 участников базы ADNI-1. Задача включала три класса: болезнь Альцгеймера, лёгкие когнитивные нарушения и когнитивно здоровые люди. Сбалансированная точность составила 98,5%, а F1-мера — 0,987.

По словам авторов, автоматическое структурирование без предположений о входных данных может стать масштабируемой основой для клинических ИИ-пайплайнов. Это сокращает затраты на подготовку данных и повышает воспроизводимость исследований.

Подход особенно актуален для области медицинской классификации, где мультимодальные данные улучшают качество моделей. PatTree демонстрирует, что ранняя интеграция информации возможна без предварительных стандартов.