この記事では、ベースラインのMRI（磁気共鳴画像）から未来の脳の状態を予測する手法について説明しています。特に、アルツハイマー病などの神経変性疾患の研究において、この予測は重要です。従来のアプローチは未来の認知スコアや臨床結果を予測することが多いですが、著者らは、参加者の脳MRIを数年先にわたって予測する縦断的な画像間予測に焦点を当てています。これにより、複雑で空間的に分布した神経変性のパターンを内包的にモデル化します。5つの深層学習アーキテクチャ（UNet、U2-Net、UNETR、Time-Embedding UNet、ODE-UNet）を使用し、2つの縦断的コホート（ADNIとAIBL）で評価しました。モデルの予測結果は実際のフォローアップMRIと比較され、高い精度で脳MRIを個別に予測できることが示され、新たな個別化された予後を提供します。