TabPFN supera i metodi tradizionali di ML nella previsione della conversione da MCI ad AD
Un nuovo studio valuta TabPFN, una rete di base pre-addestrata tabulare, per prevedere la conversione dal Mild Cognitive Impairment (MCI) alla Malattia di Alzheimer (AD) entro tre anni. Utilizzando il dataset TADPOLE di ADNI, i ricercatori hanno confrontato TabPFN con XGBoost, Random Forest, LightGBM e Regressione Logistica su dimensioni del set di addestramento da 50 a 1000 campioni. I biomarcatori multimodali includevano dati demografici, APOE4, volumi MRI, marcatori CSF e imaging PET. TabPFN ha raggiunto il AUC più alto di 0,892, superando LightGBM (0,860), e ha mostrato particolare forza in contesti con pochi dati, mantenendo un AUC elevato con soli 50 campioni di addestramento. I risultati suggeriscono che TabPFN è uno strumento promettente per l'intervento precoce dell'AD in ambienti clinici con dati limitati.
Fatti principali
- TabPFN valutato per la previsione della conversione da MCI ad AD
- Dataset: TADPOLE da ADNI
- Confronto con XGBoost, Random Forest, LightGBM, Regressione Logistica
- Dimensioni del set di addestramento: da N=50 a 1000
- Biomarcatori multimodali: dati demografici, APOE4, MRI, CSF, PET
- TabPFN AUC=0,892, LightGBM AUC=0,860
- TabPFN ha mantenuto un AUC elevato a N=50
- Focus su contesti con dati limitati
Entità
Istituzioni
- ADNI
- TADPOLE