BRAINS: Un Sistema Aumentato dal Recupero per il Rilevamento e il Monitoraggio dell'Alzheimer

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

November 4, 2025

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

cs.AI

Abstract

Mentre il carico globale della malattia di Alzheimer (MA) continua ad aumentare, il rilevamento precoce e accurato è diventato sempre più cruciale, specialmente nelle regioni con accesso limitato a strumenti diagnostici avanzati. Proponiamo BRAINS (Biomedical Retrieval-Augmented Intelligence for Neurodegeneration Screening) per affrontare questa sfida. Questo sistema innovativo sfrutta le potenti capacità di ragionamento dei Large Language Model (LLM) per il rilevamento e il monitoraggio dell'Alzheimer. BRAINS presenta un'architettura a doppio modulo: un modulo di diagnostica cognitiva e un modulo di recupero casi. Il Modulo Diagnostico utilizza LLM addestrati su dataset cognitivi e di neuroimaging – inclusi punteggi MMSE, CDR e metriche del volume cerebrale – per eseguire valutazioni strutturate del rischio di Alzheimer. Nel frattempo, il Modulo di Recupero Casi codifica i profili dei pazienti in rappresentazioni latenti e recupera casi simili da una knowledge base curata. Questi casi ausiliari vengono fusi con il profilo di input tramite uno Stratto di Fusione Casi per migliorare la comprensione contestuale. La rappresentazione combinata viene poi elaborata con prompt clinici per l'inferenza. Le valutazioni su dataset del mondo reale dimostrano l'efficacia di BRAINS nella classificazione della gravità della malattia e nell'identificazione dei segni precoci del declino cognitivo. Questo sistema non solo mostra un forte potenziale come strumento di supporto per un rilevamento scalabile, spiegabile e in fase precoce della malattia di Alzheimer, ma offre anche speranza per future applicazioni in questo campo.

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.