CÉREBROS: Um Sistema Aumentado por Recuperação para Detecção e Monitoramento da Doença de Alzheimer

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

November 4, 2025

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

cs.AI

Resumo

À medida que a carga global da doença de Alzheimer (DA) continua a crescer, a deteção precoce e precisa tornou-se cada vez mais crítica, especialmente em regiões com acesso limitado a ferramentas de diagnóstico avançadas. Propomos o BRAINS (Biomedical Retrieval-Augmented Intelligence for Neurodegeneration Screening) para enfrentar este desafio. Este sistema inovador aproveita as poderosas capacidades de raciocínio dos Modelos de Linguagem de Grande Escala (LLMs) para a deteção e monitorização da doença de Alzheimer. O BRAINS apresenta uma arquitetura de duplo módulo: um módulo de diagnóstico cognitivo e um módulo de recuperação de casos. O Módulo de Diagnóstico utiliza LLMs afinados com conjuntos de dados cognitivos e de neuroimagem — incluindo escores MMSE, escores CDR e métricas de volume cerebral — para realizar avaliações estruturadas do risco de Alzheimer. Entretanto, o Módulo de Recuperação de Casos codifica os perfis dos pacientes em representações latentes e recupera casos semelhantes de uma base de conhecimento curada. Estes casos auxiliares são fundidos com o perfil de entrada através de uma Camada de Fusão de Casos para melhorar a compreensão contextual. A representação combinada é então processada com *prompts* clínicos para inferência. Avaliações em conjuntos de dados do mundo real demonstram a eficácia do BRAINS na classificação da gravidade da doença e na identificação de sinais precoces de declínio cognitivo. Este sistema não só mostra um forte potencial como ferramenta auxiliar para uma deteção escalável, explicável e em fase inicial da doença de Alzheimer, como também oferece esperança para futuras aplicações neste 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.