인지 기능 저하 평가를 위한 개인 맞춤형 디지털 트윈: 다중 모드, 불확실성 고려 프레임워크

Toward Personalized Digital Twins for Cognitive Decline Assessment: A Multimodal, Uncertainty-Aware Framework

인지 기능 저하는 개인마다 매우 다양한 양상을 보이며, 이는 예후 예측, 임상 시험 설계 및 치료 계획 수립을 복잡하게 만듭니다. 본 연구에서는 개인 맞춤형 인지 기능 저하 평가 디지털 트윈(PCD-DT)을 제시합니다. PCD-DT는 희소하고, 노이즈가 많으며, 불규칙한 종단 데이터로부터 환자별 질병 진행 과정을 모델링하기 위한 다중 모드 및 불확실성 고려 프레임워크입니다. 이 프레임워크는 다음 세 가지 방법론적 구성 요소로 구성됩니다. (1) 개별화된 시간적 동역학을 위한 잠재 상태 공간 모델, (2) 임상 데이터, 바이오마커 및 영상 데이터를 통합하는 다중 모드 융합, (3) 강력한 디지털 트윈 운영을 위한 불확실성 기반 검증 및 적응적 업데이트. 또한, 조건부 생성 모델이 데이터 증강 및 대표성이 낮은 진행 패턴에 대한 스트레스 테스트를 지원하는 방법을 설명합니다. 예비적인 타당성 연구로, TADPOLE 데이터의 종단 데이터를 분석하여 5년 동안 인지 기능 정상군과 알츠하이머병 환자군 간의 ADAS13, 뇌실 부피 및 해마 부피에서 뚜렷한 차이를 확인했습니다. 또한, TADPOLE에서 파생된 3,003개의 방문 쌍 시퀀스에 대해 LSTM 시퀀스 모델을 사용하여 다중 모드 기반의 차기 방문 예측 성능을 분석한 결과, 인지 기능 데이터와 MRI 데이터를 결합한 모델이 ADAS13(0.4419) 및 뇌실 부피(0.5842)에서 가장 낮은 표준화된 RMSE 값을 나타내며, 이전 관찰값을 그대로 사용하는 기준 모델보다 우수한 성능을 보였습니다. 고차원 영상 데이터 융합을 위한 베이지안 텐서 모델링 구성 요소도 논의되었습니다. 이러한 결과는 제안된 아키텍처의 타당성을 뒷받침하는 동시에, 더 강력한 불확실성 보정 및 장기 예측 평가의 필요성을 강조합니다. PCD-DT 프레임워크는 신경 퇴행성 질환 분야에서 개인 맞춤형 시뮬레이션 모델링을 위한 기본적인 출발점이 됩니다. 본 연구는 PCD-DT를 임상적으로 활용 가능한, 불확실성을 고려한 디지털 트윈 시스템 개발을 위한 중요한 단계로 제시합니다.

Cognitive decline is highly heterogeneous across individuals, which complicates prognosis, trial design, and treatment planning. We present the Personalized Cognitive Decline Assessment Digital Twin (PCD-DT), a multimodal and uncertainty-aware framework for modeling patient-specific disease trajectories from sparse, noisy, and irregular longitudinal data. The framework combines three methodological components: (1) latent state-space models for individualized temporal dynamics, (2) multimodal fusion for clinical, biomarker, and imaging features, and (3) uncertainty-aware validation and adaptive updating for robust digital twin operation. We also outline how conditional generative models can support data augmentation and stress testing for underrepresented progression patterns. As a preliminary feasibility study, we analyze longitudinal TADPOLE trajectories and show clear separation between cognitively normal and Alzheimer's disease cohorts in ADAS13, ventricle volume, and hippocampal volume over five years. We further conduct a multimodal next-visit prediction ablation using an LSTM sequence model on 3{,}003 visit-pair sequences derived from TADPOLE, where the combined cognitive plus MRI configuration achieves the lowest standardized RMSE for both ADAS13 (0.4419) and ventricle volume (0.5842), outperforming a Last Observation Carried Forward baseline. A Bayesian tensor modeling component for high-dimensional imaging fusion is also discussed. These results support the feasibility of the proposed architecture while also highlighting the need for stronger uncertainty calibration and longer-horizon predictive evaluation. The PCD-DT framework provides a principled starting point for personalized in silico modeling in neurodegenerative disease. This work positions PCD-DT as a foundational step toward clinically deployable, uncertainty-aware digital twin systems.