في خطوة نوعية نحو تحسين رعاية مرضى الزهايمر، قامت مجموعة من الباحثين بتطوير إطار عمل ثوري يُعرف باسم GNOVA. يعتمد هذا النموذج على تقنيات متقدمة مثل الشبكات العصبية المتكررة (GRU) ومعادلات تفاضلية عصبية (Neural ODE) ليتنبأ بحالة المريض المعرفية من خلال بيانات الروتين التي تم جمعها على مدار سنوات.

يُعتبر مرض الزهايمر اضطرابًا عصبيًا تدريجيًا يختلف مساره من مريض لآخر، بينما كانت الأبحاث القديمة تركز بشكل رئيسي على توقع مستقبل المرضى دون محاولة إعادة بناء التاريخ المرضي من الزيارات السابقة.

هدفت هذه الدراسة إلى ثلاثة أهداف رئيسية:
1. **توقع ثنائي الاتجاه** للدرجات المعرفية من الزيارات غير المنتظمة لتقديم مسار كامل للمرض.
2. **تمكين التشغيل الداخلي والخارجي** لمساعدة الأطباء في اتخاذ قرارات تشخيصية مستنيرة.
3. **توفير تقديرات موثوقة للشكوك** حول جميع التنبؤات، مما يعزز دقة التحليلات.

تجدر الإشارة إلى أن نموذج GNOVA أثبت فعاليته من خلال العمل مع 1,727 مريضًا من قاعدة بيانات ADNI على مدى عشر سنوات، حيث حقق متوسط أخطاء مطلقة تصل إلى 1.35 و2.28 لدرجات CDR-SB وMMSE على التوالي، دون الحاجة إلى أي بيانات تصوير عصبي أو مؤشرات حيوية.

تؤكد النتائج أن الخصائص مثل العمر، ومؤشر كتلة الجسم، والوضع الجيني APOE4 كانت من أقوى المؤشرات في توقع حالة المرضى. يوفر هذا الإطار الجديد بيئة مثالية لإعادة بناء سجلات المرضى غير المكتملة وتوقع حالاتهم المعرفية المستقبلية، مما يسهل اتخاذ قرارات أفضل في رعاية المرضى.