Amyloid forudsigelse i tidligt stadium af Alzheimers sygdom gennem talefænotyping - FUTURE Extension (FUTURE-US)

Det primære formål med undersøgelsen er at evaluere, om et sæt algoritmer, der analyserer akustiske og sproglige talemønstre, kan forudsige ændringer i præklinisk Alzheimers kliniske sammensætning med semantisk behandling (PACC5) mellem baseline og +12 måneders opfølgning på tværs af alle fire arme, som målt ved koefficienten for individuel overensstemmelse (CIA) mellem ændringen i PACC5 og den tilsvarende regressionsmodel, trænet på basislinjetaledata til at forudsige det. Sekundære mål omfatter (1) evaluering af, hvorvidt lignende algoritmer kan forudsige ændringer i PACC5 mellem baseline og +12 måneders opfølgning i de kognitivt normale (CN) og MCI-populationer separat; (2) evaluering af, om lignende algoritmer, der er trænet til at regressere mod PACC5-scoringer ved baseline, stadig regresserer signifikant i forhold til PACC5-score ved +12 måneders opfølgning, som målt ved koefficienten for individuel overensstemmelse (CIA) mellem PACC5-sammensætningen ved +12 måneder og regressionsmodellen, trænet på basislinjetaledata til at forudsige PACC5-score ved baseline; (3) evaluering af, om lignende algoritmer kan klassificere konvertere vs. ikke-konvertere i de kognitivt normale arme (arm 3 + 4), og hurtige vs. langsomme faldere i MCI-arme (arm 1 + 2), som målt ved Area Under the Curve (AUC) af modtagerens driftskarakteristikkurve, sensitivitet, specificitet og Cohens kappa for de tilsvarende binære klassifikatorer. Sekundære mål omfatter målene ovenfor, men med tidspunkter på +24 måneder og +36 måneder; og endelig at evaluere, om modellens ydeevne for ovenstående mål og resultater blev forbedret, hvis modellen har adgang til taledata på 1 uge, 1 måned og 3 måneders tidspunkt.