في مجال تشخيص مرض ألزهايمر (Alzheimer's Disease)، نجد أن المعلومات السريرية والتصويرية تُجمع غالبًا خلال زيارات غير منتظمة. قد يُحسن دمج هذه الملاحظات متعددة الوسائط من تقييم التشخيص، إلا أن الاندماج الساذج يمكن أن يؤدي إلى تدهور الأداء، خاصة عند وجود ضجيج في بيانات التصوير بالرنين المغناطيسي (MRI) أو عندما تكون غير متاحة بشكل متقطع.

لتجاوز هذه التحديات، تم تقديم إطار AT-Attn الذي يعتمد على الوعي الزمني في تكوينه، ويستخدم تقنيات مثل ترميز التغيير والوقت (Change-and-Time encoding) والانتباه المتقاطع غير المتساوي (asymmetric cross-attention) لدمج بيانات التصوير بالرنين المغناطيسي مع المعلومات السريرية الطولية. تم تقييم أداء AT-Attn على مجموعة بيانات تضم 1,520 مريضًا من مركز ألزهايمر (ADNI) باستخدام صور الرنين المغناطيسي الهيكلية، بالإضافة إلى ست مسارات معرفية وسبع متغيرات سريرية ثابتة، وذلك تحت طريقة التحقق المتبادل بخمس طيات على مستوى المريض.

أظهر النموذج الرئيسي لإطار AT-Attn دقة بلغت 0.719±0.024، ونسبة دقة كبرى F1 قدرها 0.721±0.023، وROC-AUC بمعدل 0.873±0.013، وPR-AUC قدرها 0.783±0.018، مما يدل على تفوق هذا الإطار على نماذج الدمج أحادية الوسيط وأيضًا على خط الأساس للدمج الساذج، بينما لا يزال يتنافس بقوة مع النماذج الجدولية القوية.

تشير هذه النتائج إلى أن استراتيجية الدمج المدروسة والموجهة قد تعزز مساهمة التصوير بالرنين المغناطيسي الهيكلي في تقديم معلومات مكملة سريريًا لدعم تشخيص مرض ألزهايمر على مستوى المريض.