في إطار الأبحاث المتقدمة حول الأمراض العصبية، تم تطوير نموذج ذكاء اصطناعي جديد يُسمى "نموذج الانحدار الترتيبي متعدد الأنماط" (Multimodal Ordinal Model)، بهدف تحسين تقييم شدة مرض الزهايمر (Alzheimer's Disease). يُعاني مرضى الزهايمر من صعوبة في التشخيص السريع والدقيق، حيث تتطلب الأساليب التقليدية وقتاً طويلاً وقد تكون عرضة للتباين.

هذا النموذج المعزز باستخدام تقنية التركيز (Attention Mechanism) يجمع بين بيانات صور الرنين المغناطيسي (MRI) وبيانات سكانية وجينية، مما يُعزز من فعالية التقييم. تمت مقارنة أداء النماذج الأحادية (Unimodal) والمتعددة (Multimodal) باستخدام رؤوس توقع ترتيبية وغير ترتيبية، حيث تم تدريبها والتحقق من أدائها باستخدام مجموعات بيانات ضخمة من مشاريع مثل ADNI وAIBL وNIFD.

ولإجراء اختبار فعّال، تم إنشاء مجموعة اختبار مغلقة تماماً باستخدام مشاركين تم استثناؤهم من جميع مراحل التدريب والتقييم، مما ساعد في تجنب تسرب البيانات. فتفوقت نتائج نموذج الرنين المغناطيسي T1 على نموذج الجداول العادية، حيث حققت دقة أعلى في توقع المراحل المتجاورة.

ومع دمج المعلومات التصويرية والسكانية والجينية، نجح النموذج المتعدد الأنماط في تحقيق أدنى معدل خطأ تقديري، بينما أظهر النموذج الترتيبي أداءً ممتازاً بتوافق قوي مع التصنيف السريري.

تُشير هذه النتائج إلى أن النماذج الترتيبية (Ordinal Models) تعتبر أكثر فعالية في التقاط الهيكل المنظم لمقياس CDR (Clinical Dementia Rating) وخلق تنبؤات أكثر انسجاماً مع التصنيف السريري. بمساعدة أدوات تحليل التفسير مثل Grad CAM++ وSHAP، يمكن للنموذج أن يُظهر سلوكيات مفهومة من الناحية التشريحية والسريرية، مما يدعم اتخاذ قرارات شفافة.

بالتالي، يمثل هذا النموذج المعزَّز بتركيز الانتباه نهجًا قويًا وقابلًا للتفسير والقياس من أجل تقييم شدة مرض الزهايمر ودعم اتخاذ القرار السريري المدعوم بالذكاء الاصطناعي، مما يُعيد الأمل للكثيرين في مجال الصحة العقلية.