KI und die schwierigen Probleme der Welt · Medizin & Wirkstoffforschung · arXiv · 2026-10-19
Kovarianz-Eigenraum ermöglicht latente Zuordnung longitudinaler Effekte in der Gehirnalterslücke
Originaltitel: Covariance Eigenspace Provides Latent Attribution of Longitudinal Effects in Brain Age Gap
Die Hirnalterslücke ist ein aus Neuroimaging-Daten abgeleiteter Machine-Learning-Biomarker. Mithilfe eines Kovarianz-Neuronalen-Netzes (VNN) und der Integrated-Gradients-Attribution untersuchte die Studie longitudinale Effekte der Hirnalterslücke in einer Kohorte mit leichter kognitiver Beeinträchtigung (MCI). Das Eigenspektrum der anatomischen Kovarianzmatrix erklärte die Unterschiede zwischen amyloid-positiven und amyloid-negativen Subkohorten deutlicher als einzelne Hirnregionen: Der führende Eigenvektor machte 83,2 % aus, verglichen mit höchstens 7,7 % für jede einzelne Region.