Підходи машинного навчання для раннього виявлення когнітивного спаду: порівняльне дослідження на основі датасету OASIS-3[EN]
Софія А. Міхайлова ${}^1$, Олена А. Міхайлова ${}^{2}$
${}^1$ Львівський національний університет імені Івана Франка, Україна
${}^2$ Автономний університет Мадрида, Іспанія
Отримано 31 березня 2026, у фiнальнiй формi 14 липня 2026, опубліковано 18 липня 2026.
Анотація
Когнітивний спад, пов'язаний із хворобою Альцгеймера та легким когнітивним порушенням, є одним із найважливіших викликів сучасної охорони здоров'я. Раннє виявлення осіб із підвищеним ризиком розвитку когнітивних порушень має вирішальне значення для своєчасного клінічного втручання та уповільнення прогресування захворювання. У цій статті представлено порівняльне дослідження алгоритмів машинного навчання для раннього виявлення когнітивного спаду на основі датасету OASIS-3 – поздовжньої мультимодальної нейровізуалізаційної та клінічної вибірки, що охоплює 1378 учасників віком від 42 до 95 років. Для запобігання витоку інформації з аналізу було виключено всі ознаки, що безпосередньо кодують клінічний діагноз, зокрема показники CDR, MMSE та діагностичні коди. Натомість використано п'ятнадцять структурних нейровізуалізаційних та нейропсихологічних ознак, відібраних за допомогою двоетапної процедури відбору ознак, що поєднує recursive feature elimination та жадібний пошук. Досліджено шість моделей класифікації: логістичну регресію, метод опорних векторів, випадковий ліс, градієнтний бустинг, метод $k$-найближчих сусідів та CatBoost. Найкращий результат на тестовій вибірці продемонстрував градієнтний бустинг із зваженим F1-показником 0,856, тоді як CatBoost забезпечив близько дворазове скорочення часу інференсу. Додатково запропоновано нейросимвольний етап післяобробки на основі логічного рушія Scallop, який дозволив виявити 166 учасників із ознаками структурної атрофії мозку до встановлення формального клінічного діагнозу. Аналіз важливості ознак підтвердив провідну роль об'єму гіперінтенсивностей білої речовини та енторинальних і гіпокампальних структур як ключових предикторів когнітивного спаду.
Ключові слова: когнітивний спад; хвороба Альцгеймера; машинне навчання; OASIS-3; нейровізуалізація; раннє виявлення; CatBoost; нейросимвольний штучний інтелект.
[ pdf ] (386 kb)
[ tex ] (17 kb)
