アルツハイマー病および関連認知症（ADRD）の早期同定は、適時の介入、修正可能な危険因子の管理、ケア計画にとって重要であるにもかかわらず、依然として困難である。本研究では、All of Us Research Programの縦断的電子健康記録（EHR）を用い、診断の6、12、24、36カ月前という臨床的に意義のある先行期間についてADRD発症予測モデルを開発・評価した。複数のADRD表現型定義にわたり、解釈可能なカウントベース表現を、公開されている4種類の事前学習済み臨床基盤モデル（CLMBR-T、GPT形式、LLaMA形式、Mamba）と比較した。カウントベースモデルは、すべてのコホートと予測期間において一貫して最も高い識別性能と較正性能を達成した。すべての手法で先行期間が長くなるにつれて予測性能は低下したが、カウントベース表現と事前学習済み表現の性能差は次第に縮小した。36カ月の予測期間では、基盤モデルはカウントベースモデルのAUROC 0.738に対して0.719という同等のAUROCを達成し、固定された運用閾値の下ではより高い感度とF1スコアを示した。UChicagoのEHRを用いたゼロショット評価による外部検証では、カウントベース表現と事前学習済み臨床基盤モデルに基づく表現のいずれも、汎化可能性が限定的であった。これらの結果は、透明性の高いカウントベースEHR表現が、ADRD発症予測において依然として総合的に最も優れた手法である一方、事前学習済み臨床基盤モデルは長期的なリスク同定において相補的な利点をもたらし、経時的なADRDリスク予測における転移可能な臨床表現を評価するためのベンチマークを確立することを示している。
https://doi.org/10.64898/2026.09.01.26361933