BRAINS: Ein abrufverstärktes System zur Erkennung und Überwachung von Alzheimer

BRAINS: A Retrieval-Augmented System for Alzheimer's Detection and Monitoring

November 4, 2025

papers.authors: Rajan Das Gupta, Md Kishor Morol, Nafiz Fahad, Md Tanzib Hosain, Sumaya Binte Zilani Choya, Md Jakir Hossen

cs.AI

papers.abstract

Während die globale Belastung durch die Alzheimer-Krankheit (AD) weiter zunimmt, ist eine frühzeitige und genaue Erkennung zunehmend entscheidend geworden, insbesondere in Regionen mit eingeschränktem Zugang zu fortschrittlichen Diagnosewerkzeugen. Wir schlagen BRAINS (Biomedical Retrieval-Augmented Intelligence for Neurodegeneration Screening) vor, um diese Herausforderung zu bewältigen. Dieses neuartige System nutzt die leistungsstarken Reasoning-Fähigkeiten von Large Language Models (LLMs) zur Erkennung und Überwachung von Alzheimer. BRAINS zeichnet sich durch eine Dual-Modul-Architektur aus: ein kognitives Diagnosemodul und ein Fallabrufmodul. Das Diagnosemodul nutzt LLMs, die auf kognitiven und neuroimaging-Datensätzen – einschließlich MMSE, CDR-Scores und Hirnvolumen-Metriken – feinabgestimmt wurden, um strukturierte Bewertungen des Alzheimer-Risikos durchzuführen. Währenddessen kodiert das Fallabrufmodul Patient:innenprofile in latente Repräsentationen und ruft ähnliche Fälle aus einer kuratierten Wissensdatenbank ab. Diese ergänzenden Fälle werden über eine Case-Fusion-Layer mit dem Eingabeprofil fusioniert, um das kontextuelle Verständnis zu verbessern. Die kombinierte Repräsentation wird dann mit klinischen Prompts für die Inferenz verarbeitet. Evaluationen an realen Datensätzen demonstrieren die Wirksamkeit von BRAINS bei der Klassifizierung des Krankheitsschweregrads und der Identifizierung früher Anzeichen kognitiven Abbaus. Dieses System zeigt nicht nur ein starkes Potenzial als assistives Werkzeug für skalierbare, erklärbare und frühzeitige Alzheimer-Erkennung, sondern bietet auch Hoffnung für zukünftige Anwendungen in diesem Bereich.

English

As the global burden of Alzheimer's disease (AD) continues to grow, early and accurate detection has become increasingly critical, especially in regions with limited access to advanced diagnostic tools. We propose BRAINS (Biomedical Retrieval-Augmented Intelligence for Neurodegeneration Screening) to address this challenge. This novel system harnesses the powerful reasoning capabilities of Large Language Models (LLMs) for Alzheimer's detection and monitoring. BRAINS features a dual-module architecture: a cognitive diagnostic module and a case-retrieval module. The Diagnostic Module utilizes LLMs fine-tuned on cognitive and neuroimaging datasets -- including MMSE, CDR scores, and brain volume metrics -- to perform structured assessments of Alzheimer's risk. Meanwhile, the Case Retrieval Module encodes patient profiles into latent representations and retrieves similar cases from a curated knowledge base. These auxiliary cases are fused with the input profile via a Case Fusion Layer to enhance contextual understanding. The combined representation is then processed with clinical prompts for inference. Evaluations on real-world datasets demonstrate BRAINS effectiveness in classifying disease severity and identifying early signs of cognitive decline. This system not only shows strong potential as an assistive tool for scalable, explainable, and early-stage Alzheimer's disease detection, but also offers hope for future applications in the field.