Diese Seite wurde automatisch übersetzt und die Genauigkeit der Übersetzung wird nicht garantiert. Bitte wende dich an die englische Version für einen Quelltext.

Künstliche Intelligenz-gestützte MDS-UPDRS-Bewertung für Parkinson-Krankheit

6. Juli 2026 aktualisiert von: Hiu Yi Wong, Hong Kong University of Science and Technology

Künstliche-Intelligenz-unterstützte MDS-UPDRS-Bewertung für Parkinson-Krankheit

Die idiopathische Parkinson-Krankheit (PD) ist eine neurodegenerative Erkrankung, die fortschreitend sowohl motorische als auch nicht-motorische Symptome verursacht. Als zweithäufigste neurodegenerative Erkrankung und häufigste Bewegungsstörung betrifft sie weltweit über 8,5 Millionen Menschen und 13.000 Menschen in Hongkong. Die klassischsten Symptome von PD sind Ruhetremor, Muskelsteifheit, Bradykinesie (Verlangsamung der Bewegung) und Gangschwierigkeiten. Andere Symptome umfassen Schlafstörungen, psychiatrische Symptome, kognitive Beeinträchtigungen und autonome Dysfunktion. Ihre Pathophysiologie ist durch den Verlust dopaminerger Neuronen und die Anhäufung von Aggregaten, sogenannten Lewy-Körperchen, gekennzeichnet.

Der Schweregrad der PD-bezogenen motorischen Symptome wird normalerweise halbquantitativ ("normal", "leicht", "mäßig", "mittel" und "schwer") von erfahrenen Ärzten und Physiotherapeuten gemäß der von der Movement Disorder Society gesponserten Überarbeitung der Unified Parkinson's Disease Rating Scale Teil III (MDS-UPDRS III) bewertet. Die MDS-UPDRS III ist jedoch halbquantitativ und subjektiv, was leichte Behandlungseffekte maskieren oder sogar falsch-positive Ergebnisse liefern könnte. Darüber hinaus erfordert die Bewertung erheblichen Zeitaufwand und Mühe mit erwarteten Inter-Observer-Variationen.

Um diese Probleme anzugehen, wurden verschiedene künstliche Intelligenz (KI)-Technologien und Telemedizin-Ansätze zur Patientenbewertung untersucht. Frühere Studien integrierten jedoch keine Items zur Bewertung von Rigidität und Haltungsstabilität, die gemäß den MDS-UPDRS III-Anweisungen physischen Kontakt erfordern. Zhu et al. erforschten ein motorisches Symptom-Maschinenbewertungssystem für die vollständige MDS-UPDRS III. Dennoch verwendeten sie eine Tiefenkamera und führten die Tests in einer streng kontrollierten idealen Laborumgebung durch. Für die weit verbreitete Implementierung der KI-unterstützten Bewertung ist die RGB-Kamera eine zugänglichere Alternative.

Studienübersicht

Status

Rekrutierung

Bedingungen

Intervention / Behandlung

Detaillierte Beschreibung

Dies ist eine monozentrische, prospektive, beobachtende Studie, die darauf abzielt, ein KI-basiertes MDS-UPDRS-III-Bewertungssystem unter Verwendung von RGB-Kameradaten zu entwickeln und zu validieren. Die Teilnehmer werden aus der neurologischen Ambulanz des Queen Elizabeth Hospital rekrutiert. Jeder Proband wird eine standardmäßige MDS-UPDRS-III-Bewertung durch einen zertifizierten Kliniker oder Physiotherapeuten erhalten, zusammen mit einer synchronisierten RGB-D-Videoaufzeichnung. Die Videos werden durch eine Deep-Learning-Pipeline verarbeitet, die darauf trainiert ist, die MDS-UPDRS-III-Werte zu schätzen.

Verblindete Auswertungen werden durchgeführt, um die KI-generierten Werte mit den tatsächlichen klinischen Bewertungen zu vergleichen. Die statistische Analyse wird Übereinstimmungsmetriken zwischen den Bewertern (z.B. ICC, Cohens Kappa), Sensitivität für Veränderungen und Subgruppenanalysen umfassen.

Studientyp

Beobachtungs

Einschreibung (Geschätzt)

500

Kontakte und Standorte

Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.

Studienkontakt

  • Name: Hiu Yi Wong, PhD
  • Telefonnummer: +852-23587344
  • E-Mail: annawong@ust.hk

Studieren Sie die Kontaktsicherung

  • Name: Qian Zhang, PhD
  • Telefonnummer: +852-23588766
  • E-Mail: qianzh@ust.hk

Studienorte

      • Hong Kong, China
        • Noch keine Rekrutierung
        • Hong Kong University of Science and Technology
        • Hauptermittler:
          • Qian Zhang, PhD
        • Kontakt:
        • Kontakt:
          • Qian Zhang, PhD
          • Telefonnummer: +852-23588766
          • E-Mail: qianzh@ust.hk
      • Hong Kong, Hongkong
        • Rekrutierung
        • Queen Elizabeth Hospital
        • Kontakt:

Teilnahmekriterien

Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.

Zulassungskriterien

Studienberechtigtes Alter

  • Erwachsene
  • Älterer Erwachsener

Akzeptiert gesunde Freiwillige

Nein

Probenahmeverfahren

Wahrscheinlichkeitsstichprobe

Studienpopulation

Patienten mit Parkinson-Krankheit

Beschreibung

Einschlusskriterien:

  1. Alter ≥18 Jahre
  2. Diagnose von "klinisch etabliertem PD" gemäß den klinischen Diagnosekriterien der Movement Disorder Society für Parkinson-Krankheit (MDS-PD-Kriterien) [12]
  3. In der Lage, eine informierte Einwilligung zu geben und bereit, an videogestützten MDS-UPDRS Teil III-Bewertungen teilzunehmen
  4. Keine signifikanten visuellen, auditiven oder muskuloskelettalen Beeinträchtigungen, die videobasierte motorische Bewertungen beeinträchtigen würden

Ausschlusskriterien:

  1. Unwilligkeit, für Studienzwecke videoaufgezeichnet zu werden
  2. Anamnese einer neuroentwicklungsbedingten Störung, neurodegenerativen Erkrankung außer PD, ZNS-Infektion, neuroinflammatorischen Erkrankung (z.B. Multiple Sklerose, ZNS-Lupus), Malignität in den letzten 10 Jahren, zerebrovaskulärem Insult, HIV-Infektion, systemischer Autoimmunerkrankung, Alkoholabhängigkeit oder anderem Substanzkonsum

Studienplan

Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.

Wie ist die Studie aufgebaut?

Designdetails

Kohorten und Interventionen

Gruppe / Kohorte
Intervention / Behandlung
PD-Gruppe
Patienten mit Parkinson-Krankheit
klinisches Profil, MDS-UPDRS III, Videoaufzeichnung

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
KI-basiertes motorisches Bewertungstool
Zeitfenster: Von der Ausgangssituation bis zu 3 Jahren
Ein KI-basiertes Motorikbewertungstool, das RGB-Video nutzt, um zuverlässige und objektive Bewertungen von MDS-UPDRS III-Motoriksymptomen, einschließlich Rigidität und Haltungsstabilität, zu ermöglichen.
Von der Ausgangssituation bis zu 3 Jahren
Machbarkeit der Implementierung RGB-kamerabasierter Bewertungen
Zeitfenster: 3 Jahre
Die Machbarkeit der Implementierung von RGB-Kamera-basierten Bewertungen in routinemäßigen klinischen Umgebungen wird durch den Anteil der Bewertungen ermittelt, bei denen das KI-System in der Lage ist, einen geschätzten MDS-UPDRS Teil III-Gesamtscore basierend auf RGB-Video zu generieren, der direkt mit klinisch bewerteten MDS-UPDRS Teil III-Scores verglichen werden kann. Patienten führen standardisierte motorische Aufgaben unter ärztlicher Anleitung durch, während RGB-Video mit einem Smartphone aufgezeichnet wird. Klinisch bewertete MDS-UPDRS Teil III-Scores werden als Grundwahrheit verwendet. Machbarkeitsergebnisse werden als Prozentsatz (%) der Bewertungen mit gültigen KI-generierten Scores über einen 3-jährigen Studienzeitraum berichtet.
3 Jahre

Sekundäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Effektivität des Systems
Zeitfenster: 3 Jahre
Die Systemeffektivität bei der Schätzung der Schwere der motorischen Symptome wird anhand der Übereinstimmung zwischen den KI-vorhergesagten und den klinisch bewerteten MDS-UPDRS-Teil-III-Werten gemessen. RGB-Videos werden mit einem Smartphone aufgenommen, während die Patienten standardisierte motorische Aufgaben unter ärztlicher Aufsicht durchführen. Die klinisch bewerteten MDS-UPDRS-Teil-III-Werte werden als Referenzwert (Ground Truth) verwendet. Das KI-System generiert vorhergesagte MDS-UPDRS-Teil-III-Gesamtwerte (Bereich 0-108, wobei höhere Werte auf eine stärkere motorische Beeinträchtigung hinweisen). Die Systemeffektivität wird anhand des F1-Scores, der Korrelation zwischen vorhergesagten und klinisch bewerteten Werten sowie der Sensitivität und Spezifität für die Erkennung klinisch signifikanter motorischer Beeinträchtigungen basierend auf vordefinierten Schwellenwerten bewertet. Die Wirksamkeitsergebnisse werden über einen 3-jährigen Studienzeitraum berichtet.
3 Jahre
Patienten- und Klinikerzufriedenheit
Zeitfenster: Ausgangswert bis 3 Jahre
Die Patientenzufriedenheit mit dem KI-unterstützten Bewertungssystem wird mithilfe eines studienspezifischen Fragebogens bewertet, der nach Abschluss der RGB-Kamera-basierten motorischen Aufgaben durchgeführt wird.
Fragebogenitems werden auf einer Likert-Skala bewertet, wobei höhere Werte eine größere Zufriedenheit anzeigen.
Die klinische Bewertung des KI-unterstützten Bewertungssystems wird mithilfe eines studienspezifischen Fragebogens bewertet, der die wahrgenommene Glaubwürdigkeit, die wahrgenommene Wirksamkeit und die allgemeine Zufriedenheit mit dem System bewertet.
Fragebogenitems werden auf einer Likert-Skala bewertet, wobei höhere Werte positivere Bewertungen anzeigen.
Die Bewertungsergebnisse von Patienten und Klinikern werden als Mittelwert ± Standardabweichung über den Studienzeitraum berichtet.
Ausgangswert bis 3 Jahre
Systemleistung
Zeitfenster: Ausgangswert bis 3 Jahre
Die Systemleistung wird anhand der Genauigkeit und des mittleren absoluten Fehlers (MAE) der KI-vorhergesagten MDS-UPDRS Teil III Gesamtwerte im Vergleich zu den klinisch bewerteten Scores gemessen. Patienten führen standardisierte motorische Aufgaben unter ärztlicher Aufsicht durch, während RGB-Video mit einem Smartphone aufgezeichnet wird. Klinisch bewertete MDS-UPDRS Teil III Scores werden als Grundwahrheit verwendet. Die Systemleistung ist definiert als die Genauigkeit und der MAE der KI-Vorhersagen. Die Leistungsergebnisse werden über den Studienzeitraum zusammengefasst.
Ausgangswert bis 3 Jahre

Mitarbeiter und Ermittler

Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.

Ermittler

  • Hauptermittler: Qian Zhang, PhD, Hong Kong University of Science and Technology

Publikationen und hilfreiche Links

Die Bereitstellung dieser Publikationen erfolgt freiwillig durch die für die Eingabe von Informationen über die Studie verantwortliche Person. Diese können sich auf alles beziehen, was mit dem Studium zu tun hat.

Allgemeine Veröffentlichungen

Studienaufzeichnungsdaten

Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.

Haupttermine studieren

Studienbeginn (Tatsächlich)

1. Juni 2026

Primärer Abschluss (Geschätzt)

28. Februar 2029

Studienabschluss (Geschätzt)

28. Februar 2029

Studienanmeldedaten

Zuerst eingereicht

13. Januar 2026

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

26. Januar 2026

Zuerst gepostet (Tatsächlich)

2. Februar 2026

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

8. Juli 2026

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

6. Juli 2026

Zuletzt verifiziert

1. Januar 2026

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

NEIN

Arzneimittel- und Geräteinformationen, Studienunterlagen

Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt

Nein

Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt

Nein

Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .

Abonnieren