认知衰退在不同个体间表现出高度异质性，这给预后判断、临床试验设计和治疗规划带来了复杂挑战。本文提出了个性化认知衰退评估数字孪生体（PCD-DT），这是一种多模态、不确定性感知的框架，能够从稀疏、含噪声且不规则的纵向数据中建模患者特异性的疾病轨迹。
该框架结合了三个方法论组件：(1)用于个体化时间动态的潜在状态空间模型，(2)用于临床、生物标志物和影像特征的多模态融合，以及(3)用于稳健数字孪生体操作的不确定性感知验证和自适应更新。我们还阐述了条件生成模型如何支持数据增强和针对代表性不足的进展模式进行压力测试。
作为初步可行性研究，我们分析了纵向TADPOLE轨迹，显示在五年内认知正常组与阿尔茨海默病组在ADAS13评分、脑室体积和海马体积方面有明显区分。我们进一步使用LSTM序列模型对从TADPOLE衍生的3,003对就诊序列进行了多模态下次就诊预测消融实验，其中结合认知功能加MRI的配置对ADAS13（0.4419）和脑室体积（0.5842）都实现了最低的标准RMSE，优于"最后观测值前向填充"基线方法。
文中还讨论了用于高维影像融合的贝叶斯张量建模组件。这些结果支持了所提出架构的可行性，同时也凸显了需要更强的不确定性校准和更长预测视野的评估。PCD-DT框架为神经退行性疾病中的个性化计算机模拟建模提供了原则性起点。本工作将PCD-DT定位为迈向临床可部署、不确定性感知的数字孪生体系统的基础步骤。
【全文结束】