BRAINS: Een Retrieval-Augmented Systeem voor de Detectie en Monitoring van de Ziekte van Alzheimer

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

November 4, 2025

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

cs.AI

Samenvatting

Naarmate de wereldwijde last van de ziekte van Alzheimer (AD) blijft toenemen, is vroege en accurate detectie steeds crucialer geworden, vooral in regio's met beperkte toegang tot geavanceerde diagnostische hulpmiddelen. Wij stellen BRAINS (Biomedical Retrieval-Augmented Intelligence for Neurodegeneration Screening) voor om deze uitdaging aan te pakken. Dit nieuwe systeem benut de krachtige redeneercapaciteiten van Large Language Models (LLM's) voor de detectie en monitoring van Alzheimer. BRAINS beschikt over een dual-module architectuur: een cognitieve diagnostische module en een casusretrievalmodule. De Diagnostische Module gebruikt LLM's die zijn gefinetuned op cognitieve en neuroimaging datasets – inclusief MMSE, CDR-scores en hersenvolumemetingen – om gestructureerde risicobeoordelingen voor Alzheimer uit te voeren. Intussen codeert de Casus Retrieval Module patiëntprofielen in latente representaties en haalt vergelijkbare casussen op uit een samengestelde kennisbank. Deze ondersteunende casussen worden via een Casusfusielaag geïntegreerd met het invoerprofiel om het contextuele begrip te verbeteren. De gecombineerde representatie wordt vervolgens verwerkt met klinische prompts voor inferentie. Evaluaties op real-world datasets tonen de effectiviteit van BRAINS aan in het classificeren van ziektestadiums en het identificeren van vroege tekenen van cognitieve achteruitgang. Dit systeem toont niet alleen een sterk potentieel als hulpmiddel voor schaalbare, uitlegbare en vroegtijdige detectie van de ziekte van Alzheimer, maar biedt ook hoop voor toekomstige toepassingen in het veld.

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.