- ICH GCP
- US Clinical Trials Registry
- Klinisk forsøg NCT07200739
- Original retssag
Talebaseret kunstig intelligens til påvisning af demens hos danske patienter (DetectAI)
Udvikling og validering af ikke-invasivt dansk sprog og talebiomarkører for neurodegenerativ sygdomsklassificering ved hjælp af automatisk talegenkendelse med kunstig intelligens (Detectai)
Målet med denne observationsundersøgelse er at udvikle og teste en kunstig intelligens (AI) -model, der kan registrere tegn på demens og relaterede forhold fra taleoptagelser. Det vigtigste spørgsmål er, om en talebaseret AI-model korrekt kan fortælle mennesker med normal hukommelse og tænkning fra dem med kognitiv svækkelse.
Undersøgelsen vil også undersøge, om AI kan skelne demens fra depression, adskille forskellige demensundertyper og identificere, hvilke mennesker med mild kognitiv svækkelse (MCI) sandsynligvis vil udvikle demens.
Deltagerne vil gennemføre korte hukommelse og taleopgaver, mens de optages. AI -modellen vil analysere disse optagelser for at lære mønstre knyttet til forskellige diagnoser. I slutningen af undersøgelsen testes dens nøjagtighed på nye deltagere.
Studieoversigt
Status
Betingelser
Intervention / Behandling
- Diagnostisk test: Mini-mental tilstandsundersøgelse
- Diagnostisk test: Addenbrooke's kognitive undersøgelse
- Andet: Speech Task - Picture Description
- Andet: Speech Task - Picture Recall
- Diagnostisk test: MRI
- Diagnostisk test: blood sampling
- Diagnostisk test: Depression screening
- Andet: Somatic- and neurological examination
- Andet: Speech Task - Picture Narrative
Detaljeret beskrivelse
Baggrundsdemens er en voksende udfordring for folkesundheden, og tidlig og nøjagtig diagnose er vigtig for effektiv pleje og potentielle fremtidige sygdomsmodificerende behandlinger. Aktuelle diagnostiske veje er ressourceintensive og er forbundet med lange ventetider. Tale afspejler kognitiv funktion, og nylige internationale undersøgelser har vist, at AI kan detektere demensrelaterede mønstre i taleoptagelser med lovende nøjagtighed. Denne undersøgelse sigter mod at udvikle og validere en talebaseret AI-model i en dansk omgivelse, der giver et ikke-invasivt og skalerbart screeningsværktøj til brug i primærpleje.
Faser 1 Denne protokol beskriver den første fase af vores undersøgelse, som forventes afsluttet i to separate faser.
I fase 1 forsøger vi at træne en AI -model til at analysere taledata fra deltagere med kognitiv svækkelse og sammenligne dem med taledata fra sunde kontroldeltagere, som er detaljeret gennem denne protokol. Hvis metoden er valideret, fortsætter vi med at fase to.
Fremtidigt arbejde i fase to forventer vi at udføre en ekstern validering. AI -modelanalysen udføres på 200 deltagere i den primære plejesektor, der er henvist til evaluering af demens. Resultaterne af AI -analysen sammenlignes med den endelige guldstandardkonsensusdiagnose.
Fase to vil have en separat protokol, der vil blive udført baseret på resultaterne fra fase 1.
Uddybning af tidsperspektiv Andet: Hybriddesign. De fleste deltagere vil blive inkluderet i en tværsnits-case-control-undersøgelse (enkelt taleoptagelse). For deltagere med MCI indsamles opfølgningsdata inden for undersøgelsesperioden for at vurdere progression til demens, hvilket tillader evaluering af modellens evne til at skelne progressivt fra ikke-progressiv MCI.
Undersøgelsestype
Tilmelding (Anslået)
Kontakter og lokationer
Studiekontakt
- Navn: Sofie J Vængebjerg, MD
- Telefonnummer: +4530294621
- E-mail: sova@regsj.dk
Undersøgelse Kontakt Backup
- Navn: Peter Høgh, MD, PhD, Assoc Prof
- Telefonnummer: +45 22526698
- E-mail: phh@regionsjaelland.dk
Studiesteder
-
-
Region Sjælland
-
Roskilde, Region Sjælland, Danmark, 4000
- Zealand University Hospital
-
Kontakt:
- Sofie J Vængebjerg, MD, PhD student
- Telefonnummer: +45 30294621
- E-mail: sova@regsj.dk
-
Kontakt:
- Peter Høgh, MD, PhD, Assoc Prof
- E-mail: phh@regionsjaelland.dk
-
-
Deltagelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Prøveudtagningsmetode
Studiebefolkning
Beskrivelse
Inkluderingskriterier:
- Alder> 50 år
- Flydende på dansk
- Minimum 7 års skolegang
For deltagere fra opfølgningskohorten:
- En konsensusdiagnose af enten AD, VAD, LBD, FTD, MCI eller depression etableret på hukommelsesklinikken inden for 6 måneder før tilmeldingen
For deltagere fra den sunde kontrolkohort:
- Ingen kendt kognitiv svækkelse eller affektiv lidelse
Ekskluderingskriterier:
- Betydeligt nedsat syn eller hørelse (i det omfang deltageren ikke kan deltage i den sproglige AI -analyse)
- Deltagerne kan ikke give samtykke
Deltagere fra opfølgning og nye henvisninger Kohort:
- MMSE -score <16
- Deltagere med flere diagnoser (f.eks. Blandet demens eller AD med samtidig depression)
For deltagere fra den nye henvisningskohort:
- Deltagerne falder uden for de seks kategorier inkluderet i undersøgelsen (AD, VAD, LBD, FTD, MCI, depression)
- Deltagere, hvor det er åbenlyst ved baseline, at de ikke falder inden for ovenstående kategorier (kan udelukkes, før der gives klinisk konsensusdiagnose)
For deltagere fra den sunde kontrolkohort:
- MMSE <26 og ACE <90
- GDS -score, der angiver depression (6 eller højere)
- Kliniske, laboratorie- eller neuroradiologiske fund, der kan påvirke kognitive funktioner
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Kohorter og interventioner
Gruppe / kohorte |
Intervention / Behandling |
|---|---|
|
Cognitively Healthy Control Participants for Model A
We seek to enroll 40 age-matched cognitively healthy control participants for the training of model A.
|
Deltagerne registreres under testen for at give AI mulighed for at lære og analysere talemønstre.
Andre navne:
Deltagerne registreres under testen for at give AI mulighed for at lære og analysere talemønstre.
Andre navne:
Participants will be asked to describe the Cookie Theft Picture from the Boston Diagnostic Aphasia Examination.
The task will take 2 minutes.
Participants will be recorded during the speech task in order to allow the AI to learn and analyze the speech patterns.
Participants will be asked to recall the picture shown in the previous speech task "Picture Narrative".
This task will take 2 minutes.
Participants will be recorded during the test in order til allow the AI to learn and analyze speech patterns.
For healthy controls an MRI will be conducted to provide comparable imaging and as part of screening to ensure they do not meet exclusion criteria (neuroradiological findings that could affect cognitive functions). For patient participants, imaging will be performed as part of the standard diagnostic battery and results will be obtained from the electronic journal. Healthy control participants will undergo a standard blood test panel commonly used in dementia diagnostics. The panel includes complete blood counts, inflammatory markers, kidney- and liver function markers, thyroid-stimulating hormone (TSH), vitamine B12 and folate. These tests are performed to exclude underlying medical conditions that could mimic cognitive impairment. For patient participants, blood sampling will be performed as part of the standard diagnostic battery and results will be obtained from the electronic journal. Performed on healthy controls to rule out depression using either the geriatric depression scale (GDS) for patients > 65 year of age or the Major Depression Index (MDI) for patiens <65 year of age. For patient participants, depression screening will be performed as part of the standard diagnostic battery and results will be obtained from the electronic journal. Healthy controls will undergo a standard somatic and neurological examination to exclude conditions that may affect cognition. This includes basic neurological assessment and clinical evaluation of general health status. For patient participants, a somatic and neurological examination will be performed as part of the standard diagnostic battery and results will be obtained from the electronic journal
The participant is asked to tell a brief story based on a culturally neutral picture.
This task will take approximately 2 minutes.
Participants will be recorded during the speech task in order to allow the AI to learn and analyze the speech patterns
|
|
Patient Participants for Model A
We seek to retrospectively enroll patients from the ZUH memory clinic with a diagnosis of either Alzheimer's Disease (AD, n=50) or MCI (n=50), made within 6 months prior to enrollment.
These participants will be used for the training of model A.
|
Deltagerne registreres under testen for at give AI mulighed for at lære og analysere talemønstre.
Andre navne:
Deltagerne registreres under testen for at give AI mulighed for at lære og analysere talemønstre.
Andre navne:
Participants will be asked to describe the Cookie Theft Picture from the Boston Diagnostic Aphasia Examination.
The task will take 2 minutes.
Participants will be recorded during the speech task in order to allow the AI to learn and analyze the speech patterns.
Participants will be asked to recall the picture shown in the previous speech task "Picture Narrative".
This task will take 2 minutes.
Participants will be recorded during the test in order til allow the AI to learn and analyze speech patterns.
The participant is asked to tell a brief story based on a culturally neutral picture.
This task will take approximately 2 minutes.
Participants will be recorded during the speech task in order to allow the AI to learn and analyze the speech patterns
|
|
Patient Participants for Model B
We will prospectively recruit newly referred patients for the memory clinic at ZUH. Enrollment happens at first patient visit.
At this time, diagnosis is not yet known, but assumed present.
|
Deltagerne registreres under testen for at give AI mulighed for at lære og analysere talemønstre.
Andre navne:
Deltagerne registreres under testen for at give AI mulighed for at lære og analysere talemønstre.
Andre navne:
Participants will be asked to describe the Cookie Theft Picture from the Boston Diagnostic Aphasia Examination.
The task will take 2 minutes.
Participants will be recorded during the speech task in order to allow the AI to learn and analyze the speech patterns.
Participants will be asked to recall the picture shown in the previous speech task "Picture Narrative".
This task will take 2 minutes.
Participants will be recorded during the test in order til allow the AI to learn and analyze speech patterns.
The participant is asked to tell a brief story based on a culturally neutral picture.
This task will take approximately 2 minutes.
Participants will be recorded during the speech task in order to allow the AI to learn and analyze the speech patterns
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Model A: Primary measure is the AUC-ROC of the model in distinguishing between MCI and AD as well as between MCI and cognitively healthy control participants.
Tidsramme: At baseline (speech recording)
|
We will measure the AUR-ROC of AI predictions compared to clinical consensus diagnosis. Metrics will be presented including uncertainty estimates. Model performance will be measured on an independent test-set consisting of patients from the model B training population. |
At baseline (speech recording)
|
Sekundære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Nøjagtighed for demens vs. depression
Tidsramme: Ved baseline (taleoptagelse)
|
Målt ved følsomhed, specificitet, AUR-ROC af AI-forudsigelser sammenlignet med klinisk konsensusdiagnose ved hjælp af baseline-taleoptagelser fra deltagerne.
Modelydelse måles efter databaselås ved afslutningen af studiet.
|
Ved baseline (taleoptagelse)
|
|
Underklassificering af mild kognitiv svækkelse (MCI) til progressiv vs. ikke-progressiv
Tidsramme: Ved baseline (taleoptagelse) og op til 12 måneder efter tilmelding (for at bestemme progression)
|
Målt ved følsomhed, specificitet, AUR-ROC af AI-forudsigelser sammenlignet med klinisk konsensusdiagnose ved hjælp af baseline-taleoptagelser fra deltagerne. Modelydelse måles efter databaselås ved afslutningen af studiet. Progression defineres som ny demensdiagnose i undersøgelsesperioden. |
Ved baseline (taleoptagelse) og op til 12 måneder efter tilmelding (for at bestemme progression)
|
|
Klassificering af demensundertyper (AD, VAD, LBD, FTD)
Tidsramme: Ved baseline (taleoptagelse)
|
Målt ved følsomhed, specificitet, AUR-ROC af AI-forudsigelser sammenlignet med klinisk konsensusdiagnose ved hjælp af baseline-taleoptagelser fra deltagerne.
Modelydelse måles efter databaselås ved afslutningen af studiet.
|
Ved baseline (taleoptagelse)
|
|
Sammenligning med etablerede biomarkører
Tidsramme: Ved baseline eller på tidspunktet for biomarkørtest, hvis det udføres efter baseline
|
Forskelle i diagnostisk nøjagtighed mellem AI-forudsigelser og avanceret biomarkører til demensdiagnose
|
Ved baseline eller på tidspunktet for biomarkørtest, hvis det udføres efter baseline
|
|
Funktion af vigtighedsanalyse
Tidsramme: Ved baseline (taleoptagelse)
|
Funktionens betydning vil blive evalueret ved hjælp af tolkbarhedsanalyser (f.eks.
Permutation betydning, formværdier og/eller ablation af funktionsgrupper) for at kvantificere bidraget fra akustiske og sproglige træk til modellens forudsigelser.
|
Ved baseline (taleoptagelse)
|
Andre resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Antal opgaver, der kræves for optimal nøjagtighed
Tidsramme: Ved baseline (taleoptagelse)
|
Evaluering af, om et reduceret sæt taleopgaver giver nøjagtighed, der kan sammenlignes med det fulde testbatteri.
|
Ved baseline (taleoptagelse)
|
|
Bidrag fra individuelle taleopgaver til AI -modelpræstation
Tidsramme: Ved baseline (taleoptagelse)
|
Bidrag fra individuelle taleopgaver evalueres ved at sammenligne modelpræstation (f.eks.
Nøjagtighed, følsomhed, specificitet, AUC-ROC), når de trænes og testes på undergrupper af taleopgaver (hukommelsestest, huskegang, billedbeskrivelse).
Dette vil identificere, hvilke opgaver der giver det stærkeste diagnostiske signal.
|
Ved baseline (taleoptagelse)
|
Samarbejdspartnere og efterforskere
Sponsor
Samarbejdspartnere
Efterforskere
- Ledende efterforsker: Peter Høgh, MD, PhD, Assoc Prof, Zealand University Hospital
Publikationer og nyttige links
Generelle publikationer
- Nicholas LE, Brookshire RH. A system for quantifying the informativeness and efficiency of the connected speech of adults with aphasia. J Speech Hear Res. 1993 Apr;36(2):338-50. doi: 10.1044/jshr.3602.338.
- Buderer NM. Statistical methodology: I. Incorporating the prevalence of disease into the sample size calculation for sensitivity and specificity. Acad Emerg Med. 1996 Sep;3(9):895-900. doi: 10.1111/j.1553-2712.1996.tb03538.x.
- Dargaud L, Partal A, Birn A, & Detlefsen S. N. (2023). Developing a Spontaneous Speech-based Artificial Intelligence for Alzheimer's Disease Detection. Transatlantic Telehealth Research Network (TTRN) International Scientific Conference 2023, Journal of the International Society for Telemedicine and eHealth.
- Lanzi AM, Saylor AK, Fromm D, Liu H, MacWhinney B, Cohen ML. DementiaBank: Theoretical Rationale, Protocol, and Illustrative Analyses. Am J Speech Lang Pathol. 2023 Mar 9;32(2):426-438. doi: 10.1044/2022_AJSLP-22-00281. Epub 2023 Feb 15.
- Li J, Song K, Zheng B, Li D, Wu X, Meng H. Leveraging Pretrained Representations with Task-related Keywords for Alzheimer's Disease Detection. arXiv preprint. 2023.
- Luz S, Haider F, de la Fuente Garcia S, Fromm D, MacWhinney B. Detecting cognitive decline using speech only: The ADReSSo challenge. arXiv preprint 2021.
- Luz S, Haider F, Fromm D, Lazarou I, Kompatsiaris I, Macwhinney B. An Overview of the ADReSS-M Signal Processing Grand Challenge on Multilingual Alzheimer's Dementia Recognition Through Spontaneous Speech. IEEE Open J Signal Process. 2024;5:738-749. doi: 10.1109/ojsp.2024.3378595. Epub 2024 Mar 18.
- Bex T. Comprehensive Guide to Multiclass Classification With Sklearn. Towards Data Science. 2021.
- Chen J, Ye J, Tang F, Zhou J. Automatic Detection of Alzheimer's Disease Using Spontaneous Speech Only. Interspeech. 2021 Aug-Sep;2021:3830-3834. doi: 10.21437/interspeech.2021-2002.
- Agbavor F, Liang H. Predicting dementia from spontaneous speech using large language models. PLOS Digit Health. 2022 Dec 22;1(12):e0000168. doi: 10.1371/journal.pdig.0000168. eCollection 2022 Dec.
- de la Fuente Garcia S, Ritchie CW, Luz S. Artificial Intelligence, Speech, and Language Processing Approaches to Monitoring Alzheimer's Disease: A Systematic Review. J Alzheimers Dis. 2020;78(4):1547-1574. doi: 10.3233/JAD-200888.
Datoer for undersøgelser
Studer store datoer
Studiestart (Anslået)
Primær færdiggørelse (Anslået)
Studieafslutning (Anslået)
Datoer for studieregistrering
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først opslået (Faktiske)
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Nøgleord
- maskinelæring
- demens
- Kognitiv svækkelse
- stress
- kunstig intelligens
- dyb læring
- Mild kognitiv svækkelse (MCI)
- Frontotemporal demens (FTD)
- Lewy Body Dementia (LBD)
- Talebaseret kunstig intelligens
- Kunstig intelligens inden for demensdiagnostik
- Kunstig intelligens til screening af demens
- Kunstig intelligens til demensklassificering
- Talebaseret kunstig intelligens
- Vaskulær demens (VAD)
- Alzheimer demens (AD)
- Depression - Major depressiv lidelse
- Demens (diagnose)
Yderligere relevante MeSH-vilkår
- Synukleinopatier
- Cerebrovaskulære lidelser
- Hjernesygdomme
- Sygdomme i centralnervesystemet
- Sygdomme i nervesystemet
- Karsygdomme
- Hjerte-kar-sygdomme
- Psykiske lidelser
- Patologiske processer
- Metaboliske sygdomme
- Neurokognitive lidelser
- Kognitionsforstyrrelser
- Tauopatier
- Neurodegenerative sygdomme
- Bevægelsesforstyrrelser
- Parkinsonlidelser
- Basal Ganglia Sygdomme
- TDP-43 Proteinopatier
- Proteostase mangler
- Åreforkalkning
- Arterielle okklusive sygdomme
- Leukoencefalopati
- Intrakraniel arteriosklerose
- Intrakranielle arterielle sygdomme
- Frontotemporal Lobar Degeneration
- Patologiske tilstande, tegn og symptomer
- Ernæringsmæssige og metaboliske sygdomme
- Kognitiv dysfunktion
- Alzheimers sygdom
- Sygdom
- Demens
- Frontotemporal demens
- Demens, Vaskulær
- Lewy Body sygdom
- Undersøgelsesteknikker
- Håndtering af eksemplar
- Kliniske laboratorieteknikker
- Diagnostiske teknikker og procedurer
- Diagnose
- Punkteringer
- Kirurgiske procedurer, operative
- Genetiske fænomener
- Ploidies
- Blodprøveopsamling
- Diploidy
Andre undersøgelses-id-numre
- SJ-1107
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Studerer et amerikansk FDA-reguleret enhedsprodukt
Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .
Kliniske forsøg med Mini-mental tilstandsundersøgelse
-
University Hospital Center of MartiniqueAfsluttetAlzheimers sygdom | Ældre patienter | Kognitiv lidelseFrankrig
-
Centro Hospitalar do PortoUkendtPostoperative komplikationer | Neurokognitive lidelser | Postoperativ periodePortugal
-
Azienda Ospedaliera Universitaria Integrata VeronaUkendtKognitiv svækkelse | Fibromyalgi | Smerte, kronisk | Fibromyalgi syndrom | Værdiforringelse
-
Centre Hospitalier Universitaire de la RéunionAfsluttetNeurokognitivt underskudGenforening
-
Ankara Etlik City HospitalAfsluttetPostoperativ kognitiv dysfunktionTyrkiet (Türkiye)
-
Centre Francois BaclesseAfsluttet
-
BrainCheck, Inc.UkendtKognitiv svækkelse | Demens | Mild kognitiv svækkelse | Kognitiv tilbagegang | Mild traumatisk hjerneskade | Hjernerystelse | Kognitive ændringer | Akutte ændringer i kognition | Akut hovedskade
-
Loma Linda UniversityAfsluttet1. Postoperativ kognitiv dysfunktionForenede Stater
-
Chania General Hospital "St. George"University of ThessalyIkke rekrutterer endnuDepression | Angst | Kognitiv funktion 1, Social | Tilfredshed, forbruger | Forstærkning | Høreapparat | Lytteindsats
-
Murielle SurquinAfsluttet