설명 가능한 알츠하이머병 조기 진단을 위한 신경-기호 접근 방식

A Neurosymbolic Approach for Explainable Early Diagnosis of Alzheimer's Disease

알츠하이머병(AD)의 신뢰할 수 있는 지표를 식별하는 데는 일반적으로 수동적이고 노동 집약적인 전사 및 전문가 분석이 필요하며, 이는 적용 범위를 제한합니다. 본 연구에서는 구두 유창성 검사의 음성 녹음으로부터 잠재적인 AD 진행 지표에 대한 질적 정보를 직접 추출하는 자동화된 파이프라인을 소개합니다. 제안하는 방법은 사전 훈련된 기반 모델을 사용하여 원시 오디오를 처리하고 임상적으로 관련된 변수를 추출하여 베이지안 네트워크(BN)를 구축합니다. 이 BN는 AD 진행 지표에 대한 추론을 수행하고 이러한 지표 간의 질적 관계를 파악하는 데 사용됩니다. 개발된 시스템은 알려진 임상 지식을 성공적으로 복원하고 언어적 지표 간의 새로운 관계를 식별합니다.

Identifying reliable Alzheimer's disease (AD) markers typically requires manual, labor-intensive transcription and expert analysis, limiting its scale. We introduce an automated pipeline that extracts qualitative knowledge about potential AD progression indicators directly from audio recordings of verbal fluency tests. Our method uses pretrained foundation models to process raw audio and extract clinically relevant variables to construct a Bayesian Network (BN); this BN is used to reason about the AD progression markers and infer their qualitative relationships. Our system successfully recovers known clinical knowledge and identifies novel relationships between linguistic markers.