يعتبر مرض الزهايمر (Alzheimer's Disease) من أكثر الأمراض تحديًا في مجال العلوم العصبية، حيث يتطور بشكل بيولوجي مستمر، بينما تبقى الكثير من الطرق الحالية المستخدمة في الذكاء الاصطناعي مرتبطة بالتشخيصات غير الدقيقة. في السعي لملء هذه الفجوة، قام باحثون بتطوير إطار عمل مبتكر تحت اسم "تحديد موضع المرض على مدار الزمن" (Disease Continuum Positioning - DCP).

يعمل نموذج DCP استنادًا إلى التعلم البايزي، حيث يقدم تقييمًا مستمرًا لشدة مرض الزهايمر من خلال دمج الملاحظات الل longitudinal مع إشراف سريري خفيف. ويستند هذا النموذج إلى تقنية التصوير بما يُعرف ب "التصوير بالزمن الانتشاري" (Diffusion Tensor Imaging - DTI)، ما يسمح باستخراج قياسات دقيقة تشير إلى مراحل تطور المرض.

قام الباحثون بتطوير ما يُعرف بـ "درجة استمرارية المرض" (Disease Continuum Score - DCS) لتوفير تمثيل كمي يتجاوز التقييمات التقليدية. أظهرت تجارب واسعة على مجموعة "مبادرة تصوير الأعصاب لمرض الزهايمر" (Alzheimer's Disease Neuroimaging Initiative - ADNI) أن نموذج DCP يتفوق باستمرار على طرق تطور المرض السابقة.

ولعل الأهم من ذلك، أن التحليلات والت validations الشاملة أثبتت أن DCS تعكس بدقة شدة المرض وتبقى ذات صلة سريرية. كما أنها تحافظ على تطور المرض على مر الزمن وتتنبأ بالتحول المستقبلي للمرض، مما يدل على إمكانية أن توفر DCS تمثيلًا مستمرًا غير مسبوق لتقدير تقدم مرض الزهايمر.