VINEURO: MÔ HÌNH HỢP NHẤT ĐA PHƯƠNG THỨC EEG-MÁU CHO DỰ ĐOÁN NGUY CƠ ALZHEIMER

Tóm tắt

Dự đoán sớm nguy cơ mắc bệnh Alzheimer có ý nghĩa then chốt để can thiệp kịp thời,
nhưng vẫn còn nhiều thách thức trong thực hành lâm sàng thường quy. Điện não đồ (EEG)
là phương tiện rẻ tiền và không xâm lấn, tuy nhiên chỉ riêng EEG thường không đủ độ nhạy
và độ ổn định để ước lượng nguy cơ ở giai đoạn sớm một cách đáng tin cậy. Song song đó,
các xét nghiệm máu thường quy phản ánh những thay đổi về miễn dịch ngoại vi, tình trạng
viêm và chuyển hoá liên quan tới suy giảm nhận thức, gợi ý rằng việc kết hợp EEG với
các chỉ dấu sinh học từ máu có thể giúp phân tầng nguy cơ giàu thông tin hơn. Trong công
trình này, tác giả đề xuất ViNeuro, một mô hình đa mô thức EEG-máu được thiết kế chuyên
biệt cho bài toán dự đoán nguy cơ Alzheimer. Trước hết là bước tiền huấn luyện một bộ mã
hoá nền tảng EEG duy nhất, gọi là ViNeuro-EEG, sử dụng mục tiêu tự giám sát kép (dual
self-supervised objective) của mô hình EEGPT kết hợp với backbone criss-cross và mã hoá
vị trí học được (learned positional encoding) của mô hình CBraMOD. Quá trình tiền huấn
luyện được thực hiện trên một corpora EEG lâm sàng đa kênh đã được chuẩn hoá, bao gồm
cả các bản ghi EEG từ Bệnh viện Trung ương Quân đội 108 ở Việt Nam và các bộ dữ liệu
quốc tế. Trên nền bộ mã hoá này xây dựng ViNeuro-MM, mô hình đa phương thức chiếu các
chỉ dấu sinh học từ xét nghiệm máu vào không gian embedding của EEG và sử dụng chúng
như các truy vấn trong một lớp cross-attention trên các token EEG. Nghiên cứu đánh giá
ViNeuro trên cohort PEARL-Neuro cho bài toán dự đoán nguy cơ Alzheimer. So với phiên
bản chỉ dùng EEG, ViNeuro-MM đạt mức cải thiện hiệu năng đáng kể, với mức tăng tương
đối lên tới 24,72% về độ chính xác cân bằng (balanced accuracy), cho thấy rằng việc kết
hợp các chỉ dấu sinh học từ xét nghiệm máu thường quy với các biểu diễn nền tảng từ EEG
có thể nâng cao rõ rệt khả năng dự đoán sớm nguy cơ Alzheimer.