可解释多模态深度学习框架：融合MRI、PET与临床数据的三分类阿尔茨海默病诊断
核心概要
该研究在ADNI数据上构建了一个基于ResNet50迁移学习的患者级多模态融合框架，将MRI与PET影像特征与临床变量（ADAS11、ADAS13、APOE4、年龄、性别、教育年限、MMSE总分）拼接后经全连接网络输出AD/MCI/CN三分类，并以Grad-CAM生成热力图；消融实验显示准确率随模态增加而上升，MRI单模态39.61%、PET单模态51.72%、仅临床66.67%、MRI+PET 54.17%、三模态融合79.17%（24例患者测试集，95% Wilson区间约59.5%–90.8%），其中加入临床数据带来最大单次提升。
深度剖析
提出并验证了一个把MRI、PET与临床变量同时纳入的患者级特征级融合框架，用于AD/MCI/CN三分类而非二分类。 作者在表I的定性对比中指出，此前融合MRI与PET的研究（Odusami、Zhang、Song、Goel、Castellano）均不含临床数据，唯一使用临床数据的El-Sappagh等则完全不含影像，因此三模态加三分类加Grad-CAM的组合在既有文献中尚无先例。 证据来自ADNI数据的五组配置消融实验（表IV、表V），但患者级融合结果基于24例留出测试集，作者同时报告了95% Wilson置信区间并说明区间较宽。
消融实验量化了各模态的边际贡献，发现临床变量在该队列中单独即优于任一影像模态及其组合。 作者将Clinical-only基线（66.67%）纳入表V，指出其高于MRI（39.61%）、PET（51.72%）与MRI+PET（54.17%），并说明既有研究通常未在单一消融中隔离临床数据的独立贡献。 基于同一24例患者级测试集；作者报告Fisher精确检验结果：MRI+PET（13/24）对比三模态（19/24）p=0.125，Clinical-only（16/24）对比三模态（19/24）p=0.517，并说明因未保留逐患者配对记录而采用非配对检验，属保守估计。
在影像分支上集成Grad-CAM并配套交互式诊断界面，输出预测类别、置信度、各类概率、基于类别条件图谱查询的受累脑区列表与通俗解释文本。 作者通过类别条件诊断检验说明PET分支的Grad-CAM响应随被解释类别变化：对同一张PET切片分别按AD、CN、MCI三种假设计算热力图，三者并不相同（AD假设下激活偏向右半球，CN假设下热点位于下中央区，MCI假设下激活几乎缺失）。 属三个代表性正确分类病例的定性检查，作者明确说明这是示例性单例而非系统性评估，且受累脑区标签来自固定查找表而非由热力图坐标计算。
采用轻量的2D切片级ResNet50骨干加均值池化聚合到患者级，避免3D卷积或Transformer架构的计算开销。 作者在表I对比中指出，多数融合框架依赖计算密集的3D卷积端到端训练，本框架以特征级拼接融合替代，并明确将切片聚合方式（中心50层切片特征平均）标注为设计选择而非附带细节。 方法描述完整（III-D至III-G），但作者指出最大池化、注意力加权池化或对softmax概率聚合等替代方案可能带来不同的下游融合表现，验证留作未来工作。
启示与展望
该框架面向ADNI队列中AD/MCI/CN三分类的研究场景，适用于具备MRI、FDG-PET与结构化临床评估（ADAS11、ADAS13、APOE4、年龄、性别、教育、MMSE）三类数据的受试者；影像分支在切片级评估（MRI n=1608、PET n=696），融合分支在患者级评估（n=24）。作者指出，扩大队列、引入3D卷积或Vision Transformer以利用体数据空间上下文、加入CSF或遗传风险等生物标志物、开展纵向多扫描分析，以及在多机构间采用联邦学习，都是该框架可延伸的方向。
读者可留意：患者级融合的79.17%点估计在24例测试集上的稳定性尚待更大、多中心队列确认；消融中临床数据带来的25点提升与Clinical-only相对三模态的12.5点残差增益，因未保留逐患者配对记录而只能用非配对Fisher检验，统计功效受限；Grad-CAM热力图在MRI上三类形状相似并延伸至颅骨外周结构，PET上仍有贴近脑掩膜内边界的孤立激活块，作者将其归因于末层卷积特征图上采样时缺少更紧的脑组织掩膜，因此尚不宜用于精确解剖定位；受累脑区标签来自固定类别条件查找表而非热力图坐标计算；可解释性分析仅覆盖三个代表性病例，缺少全队列的定量重叠分析。此外，本次读取的文本中实验环境未给出具体硬件与库版本号，作者说明将在定稿版本中补充。