アルツハイマー病における認知衰退の正確なモデリングは、早期の層別化と個別管理に不可欠です。本研究では、臨床予測因子と変換器由来のMRI埋め込みの予測効果を評価しました。特に、ダイナミックタイムワーピングを用いたトラジェクトリ認識ラベリング戦略を導入し、MRIデータを基にした3Dビジョントランスフォーマー（ViT）を訓練しました。その結果、臨床および体積的特徴は、軽度および重度の進行を予測する際に最も高いAUC（約0.70）を示しました。一方、ViTモデルのMRI埋め込みは、認知的に安定している個人を区別するのに最も効果的でAUCは0.71でした。本研究は、臨床特徴が高リスク群の特定に優れる一方、トランスフォーマーに基づくMRI埋め込みが微妙な安定性のマーカーに敏感であることを示し、AD進行モデリングのための多モーダル融合戦略の必要性を強調しています。