この記事では、アルツハイマー病（AD）に関する因果発見の手法を改善するため、潜在的擬似時間モデルを提案しています。従来の静的なグラフモデルでは、病状の進行に伴う動的な生理学的変化を捉えることができず、これが限界とされていました。著者たちは、実データに基づいて患者を年齢に依存せずに病気の進行に沿った擬似時間で整理し、因果関係の進化を明らかにすることができました。その結果、擬似時間は診断予測において年代よりも優れた性能を示し（AUC 0.82対0.59）、最小限の疾患に依存しない基礎知識を組み込むことで、グラフの精度と方向性が大幅に向上しました。このフレームワークにより、既知のADマーカーと新たなマーカー（NfL、GFAP）との動的相互作用が明らかになり、因果発見の実用的な可能性が示されています。