MIT 發布 FINGERS-7B,用於阿茲海默症早期預測的開源 AI

MIT 本週發布了一個開源 AI 模型,可在認知症狀出現前數年識別阿茲海默症風險,聲稱比之前的臨床前方法精度高 4 倍。權重、訓練程式碼和評估管線透過阿茲海默症數據倡議平台公開。對於有家族失智病史的人、考慮早期介入試驗的臨床醫生、想要在此基礎上構建的研究人員 —— 這是首個在 WW-FINGERS 網路多國數據集上訓練的開放模型。

模型名為 FINGERS-7B,來自 MIT 的 Picower 學習與記憶研究所(由 Li-Huei Tsai 主任)。主要研究人員:Broad 研究所的 Arvid Gollwitzer 和 MIT-Novo Nordisk AI Fellow Adrian Noriega。方法論的轉變是聯合多模態訓練 —— 生活方式記錄、臨床病史、基因組數據和蛋白質組生物標誌物輸入到一個模型中,而不是將單獨的預測器拼接起來。訓練數據來自 WW-FINGERS 網路,這是一個 40 國合作項目,約 3 萬名參與者,建立在 Miia Kivipelto 教授的原始 FINGER 試驗之上,將臨床/生活方式記錄與合作實驗室的基因組和蛋白質組數據相結合。模型為每個個體產生三個輸出:估計的阿茲海默症風險、預計的認知衰退軌跡,以及預測的介入反應 —— 哪種生活方式或臨床介入可能幫助哪個人。聲稱的收益:臨床前診斷比以前方法精確 4 倍,反應者分層改進 130%。

阿茲海默症研究在歷史上一直緩慢地獲得開源 ML 基礎設施,該基礎設施需要將人口規模的數據與完全的權重透明度相結合。大多數以前的風險預測工作使用專有佇列或封閉權重 —— 論文可讀但模型不能跑。FINGERS-7B 部署在 AD Workbench 中,這是阿茲海默症數據倡議的安全雲平台,這意味著研究人員可以在自己的受保護健康數據上應用該模型,而無需將 PHI 外洩到外部 API。預印本在 OpenReview 上(id:fVqvRQ6XRV)。對於更廣泛的 AI 健康發布模式,這更接近 BigBio/MedLM 開放數據形式,而不是 FDA 批准的黑箱形式 —— 這種區別對於誰可以無授權障礙地構建衍生工作很重要。

這是預印本,尚未經過同行評審 —— 4 倍和 130% 的數字帶有通常的注意事項:小效應量可以移動頭條比率,基準方法很重要,針對未來佇列的驗證才是真正的測試。WW-FINGERS 數據集在起源上也傾向歐洲;推廣到其他人群需要單獨工作。但對於任何從事生物醫學 ML 工作的人,或任何對失智症預防有家庭興趣的人,這是最近朝著可在單個實驗室之外使用的早期檢測工具邁出的最具體的步驟之一。