Motivado por los datos de la Iniciativa de Neuroimagen de la Enfermedad de Alzheimer (ADNI), el objetivo de la integración de biomarcadores importantes para la detección temprana del Deterioro Cognitivo Leve (MCI) a la enfermedad de Alzheimer (AD) como intervención terapéutica es muy probable que sea beneficiosa en las primeras etapas de la progresión de la enfermedad. El desarrollo de predictores para MCI a AD se reduce a variables de genotipo de modo que la dimensión de los predictores aumenta a medida que la muestra se vuelve grande. Por lo tanto, consideramos el concepto de esparcimientos de coeficientes en un modelo de regresión de alta dimensión con datos de tiempo de falla agrupados como ADNI, lo que permite mejorar el rendimiento predictivo y facilita la interpretabilidad del modelo. En este estudio, proponemos dos algoritmos MM (perfil y no perfil) para el modelo de supervivencia de fragilidad compartida primero y luego extendemos los dos algoritmos MM propuestos a la estimación regularizada en un modelo de regresión de alta dimensión disperso. También se establecen las propiedades de convergencia de nuestros estimadores propuestos. Además, los estudios de simulación y el análisis de los datos de ADNI se ilustran mediante nuestros métodos propuestos.