语言建模通过自报问卷筛查帕金森病

随着人口老龄化，帕金森病（PD）正成为日益严峻的公共卫生挑战。目前的诊断依赖运动症状和有创检查，使早期检测变得困难。在此我们提出 Quest2Dx，一种广义人工智能模型，可分析健康问卷以实现低成本、非侵入性的 PD 筛查。传统模型针对每份问卷单独构建，且缺失作答会降低其性能。Quest2Dx 使用语言建模来编码每个问题和答案的含义，使其能够跨问卷迁移，同时增强可解释性。在帕金森病进展标志物计划（PPMI）Online 和 Fox Insight 数据集上，Quest2Dx 分别达到受试者工作特征曲线下面积（AUROC）0.977 和 0.974，优于现有方法。此外，跨问卷验证从 PPMI Online 到 Fox Insight 及反向分别达到 AUROC 0.920 和 0.952。Quest2Dx 还从问题中识别出关键预测因子，以提供进一步洞见。这些结果表明了一条在初级保健中开展 PD 筛查的有前景的路径。

中文由 AI 翻译，仅供参考，以原文为准。