- ICH GCP
- Yhdysvaltain kliinisten tutkimusten rekisteri
- Kliininen tutkimus NCT05149144
Comutti - Tutkimusprojekti, jonka tavoitteena on löytää älykkäitä tapoja käyttää teknologiaa parempaan huomiseen kaikille, kaikkialla. (COMUTTI)
Maailman terveysjärjestön mukaan maailmanlaajuisesti joka 160 lapsella on ASD. Noin 25–30 % lapsista ei pysty käyttämään sanallista kieltä kommunikoidakseen (non-verbaalinen ASD) tai ovat vain vähän verbaalisia, eli käyttävät vähemmän kuin 10 sanaa (mv-ASD). Kyky kommunikoida on elintärkeä elämäntaito, ja kommunikaatiovaikeuksilla voi olla monia kielteisiä seurauksia, kuten huonompi elämänlaatu ja käyttäytymisvaikeudet. Viestintätoimenpiteillä pyritään yleensä parantamaan lasten kykyä kommunikoida joko puheella tai täydentämällä puhetta muilla keinoilla (esim. viittomakielellä, kuvilla tai AAC-Advanced Augmented Communication -työkaluilla). Yksilöt, joilla on ei-verbaalinen ASD tai mv-ASD, kommunikoivat usein ihmisten kanssa ääntelyillä, joilla on joissakin tapauksissa itsestään johdonmukainen foneettinen assosiaatio käsitteisiin (esim. "ba" tarkoittaa "kylpyhuonetta") tai ovat onomatopoeettisia ilmaisuja (esim. " viitata koiraan). Useimmissa tapauksissa äänet kuulostavat mielivaltaisilta; vaikka ne vaihtelevat sävyltään, sävelkorkeudeltaan ja kestoltaan riippuen, on äärimmäisen vaikeaa tulkita aiottua viestiä tai yksilön emotionaalista tai fyysistä tilaa, jonka ne välittäisivät, mikä muodostaa esteen ASD-potilaiden ja muun maailman välille, jotka aiheuttavat stressiä ja turhautumista. Vain hoitajat, jotka ovat tunteneet aiheet pitkään, voivat purkaa tällaiset sanattomat äänet ja antaa niille ainutlaatuisia merkityksiä.
Tämän projektin tavoitteena on määritellä algoritmeja, menetelmiä ja tekniikoita mv-ASD-lasten synnyttämien lauluilmaisujen kommunikatiivisen tarkoituksen tunnistamiseksi ja työkalujen luomiseksi, jotka auttavat ihmisiä, jotka eivät tunne aiheita, ymmärtämään näitä henkilöitä spontaanin keskustelun aikana.
Tutkimuksen yleiskatsaus
Tila
Ehdot
Opintotyyppi
Ilmoittautuminen (Arvioitu)
Vaihe
- Ei sovellettavissa
Yhteystiedot ja paikat
Opiskeluyhteys
- Nimi: Alessandro Crippa, Ph.D.
- Puhelinnumero: +39 031877593
- Sähköposti: alessandro.crippa@lanostrafamiglia.it
Opiskelupaikat
-
-
Lecco
-
Bosisio Parini, Lecco, Italia, 23842
- Rekrytointi
- Scientific Institute, IRCCS Eugenio Medea
-
Ottaa yhteyttä:
- Mariaelena Colombo
- Puhelinnumero: +39 031877357
- Sähköposti: mariaelena.colombo@lanostrafamiglia.it
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
Hyväksyy terveitä vapaaehtoisia
Kuvaus
Sisällyttämiskriteerit:
- jolla on kliininen diagnoosi autismikirjon häiriöstä DSM-5-kriteerien mukaisesti
- käytä vähemmän kuin 10 sanaa
Poissulkemiskriteerit:
- käyttämällä mitä tahansa keskushermostoon vaikuttavaa piristävää tai ei-stimuloivaa lääkettä
- joilla on tunnistettu geneettinen häiriö
- sinulla on näkö- tai kuuloongelmia
- kärsivät kroonisesta tai akuutista lääketieteellisestä sairaudesta
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
- Ensisijainen käyttötarkoitus: Perustiede
- Jako: Ei käytössä
- Inventiomalli: Yksittäinen ryhmätehtävä
- Naamiointi: Ei mitään (avoin tarra)
Aseet ja interventiot
Osallistujaryhmä / Arm |
Interventio / Hoito |
---|---|
Kokeellinen: Kokeellinen: äänisignaalitietojoukon luominen ja koneoppimisanalyysi
Kokeellinen: äänisignaaliaineiston luominen ja käsittely; koneoppimisanalyysi, empiiriset arvioinnit
|
Osallistujien kliininen arviointi Autism Diagnostic Observation Schedule -ohjelman avulla
Hankkeessa testataan ja mukautetaan MIT:ssä kehitettyä teknologiaa ääntelyn keräämiseen ja merkitsemiseen sekä osallistutaan italialaisten koehenkilöiden tiedonkeruuun (ja niiden laadun validointiin) monikulttuurisen tietojoukon luomiseksi ja kulttuurien välisten tutkimusten ja analyysien mahdollistamiseksi.
Seuraavaksi painopiste asetetaan äänen harmonisten ominaisuuksien analysointiin tietojoukon ääntelyissä, jotta voidaan tunnistaa toistuvia yksittäisiä piirteitä ja kuvioita, jotka vastaavat tiettyjä viestintätarkoituksia tai tunnetiloja.
Valvottuja ja valvomattomia koneoppimismenetelmiä kehitetään ja erilaisia koneoppimisalgoritmeja verrataan, jotta löydetään tarkimmat projektin tavoitteen saavuttamiseksi.
Lopuksi suoritetaan ääntelyn ymmärtämisen koneoppimismallin tutkiva arviointi, jolla testataan työkalun käytettävyyttä ja hyödyllisyyttä ääntelytulkintassa.
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
---|---|---|
Äänisignaalinäytteiden taajuus ja niihin liittyvät etiketit
Aikaikkuna: heti toimenpiteen jälkeen
|
Kunkin osallistujan tuottamien äänisignaalinäytteiden (äänet ja verbalisaatiot) taajuus (mitattuna lukumääränä tunnissa) sairaalassa olonsa aikana eri yhteyksissä (esim. koulutustoimenpiteiden aikana ja/tai strukturoimattoman leikin hetkinä) merkitty itsepuheeksi. , ilo, häiriöt, turhautuminen, pyyntö tai sosiaalinen vaihto. Pieni langaton tallennin (Sony TX800 Digital Voice Recorder TX Series) kiinnitetään osallistujan vaatteisiin vahvoilla magneeteilla. Seuraavaksi aikuisten (hoitajan ja/tai operaattorin) tulee yhdistää lapsen tuottamat äänet affektiiviseen ja/tai ääntelyn todennäköiseen merkitykseen -tunnisteet- verkkosovelluksen avulla. |
heti toimenpiteen jälkeen
|
Äänisignaalinäytteistä johdetut osallistujakohtaiset harmoniset ominaisuudet
Aikaikkuna: heti toimenpiteen jälkeen
|
Temporaaliset ja spektraaliset ääniominaisuudet – eli sävelkorkeuteen liittyvät ominaisuudet, formantit, energiaan liittyvät ominaisuudet, ajoitusominaisuudet, artikulaatioominaisuudet – poimitaan näytteistä ja käytetään seuraavaksi valvottuun ja valvomattomaan koneoppimisanalyysiin. Kerätyt äänisignaalinäytteet segmentoidaan tarrojen ajallisten sijaintien läheisyyteen. Seuraavaksi se segmentoidaan ja liitetään ajallisesti vierekkäisiin nimikkeisiin (affektiiviset tilat tai ääntelyn todennäköinen merkitys). Äänen harmoniset ominaisuudet (ajalliset/foneettiset ominaisuudet) tunnistetaan sitten jokaiselle osallistujalle käyttämällä äänisignaalinäytteiden valvottua/valvomatonta koneoppimisanalyysiä. Tämän prosessin avulla tunnistetaan osallistujakohtaisia malleja, jotka vastaavat tiettyjä viestintätarkoituksia tai tunnetiloja. |
heti toimenpiteen jälkeen
|
Koneoppimisen ennusteen tarkkuus
Aikaikkuna: heti toimenpiteen jälkeen
|
Koneoppimisanalyysin luokittelutarkkuus, eli oikeiden ennusteiden määrä jaettuna ennusteiden kokonaismäärällä, jotka testataan tallennetuista äänisignaalinäytteiden säilytetyssä testijoukossa. Tämä tulosmittaus arvioi kehitetyn ääntelytulkintatyökalun käytettävyyden/hyödyllisyyden tallennettujen äänisignaalinäytteiden koneoppimisanalyysin perusteella. |
heti toimenpiteen jälkeen
|
Yhteistyökumppanit ja tutkijat
Sponsori
Tutkijat
- Päätutkija: Alessandro Crippa, Ph.D., IRCCS Eugenio Medea
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Ensisijainen valmistuminen (Arvioitu)
Opintojen valmistuminen (Arvioitu)
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen Lähetetty (Todellinen)
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- 868
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .
Kliiniset tutkimukset Autismispektrihäiriö
-
Experimental and Clinical Research Center, a cooperation...RekrytointiMultippeliskleroosi | Demyelinisoivat sairaudet | Optinen neuriitti | Neuromyelitis Optica Spectrum Disorder Attack | Myeliinioligodendrosyyttien glykoproteiinivasta-aineisiin liittyvä sairausItalia, Yhdysvallat, Argentiina, Australia, Botswana, Brasilia, Kolumbia, Tanska, Ranska, Saksa, Intia, Israel, Japani, Korean tasavalta, Espanja, Yhdistynyt kuningaskunta, Sambia
-
Assiut UniversityTuntematonPlacenta Accrete SpectrumEgypti
-
Imagine InstituteRekrytointi
-
Jagannadha R AvasaralaLopetettuMultippeliskleroosi | Optinen neuriitti | Neuromyelitis Optica Spectrum Disorder Attack | Neuromyelitis Optica -spektrihäiriön uusiutuminen | Neuromyelitis Optica -spektrihäiriön eteneminenYhdysvallat
-
Linkoeping UniversityValmisWhiplash Associated DisorderRuotsi
-
Novartis PharmaceuticalsRekrytointiPIK3CA:han liittyvä overgrowth Spectrum (PROS)Yhdysvallat, Kanada, Espanja, Sveitsi, Ranska, Yhdistynyt kuningaskunta, Saksa, Italia, Kiina, Hong Kong, Alankomaat, Norja
-
Novartis PharmaceuticalsAktiivinen, ei rekrytointiPIK3CA:han liittyvä overgrowth Spectrum (PROS)Espanja, Ranska, Irlanti, Yhdysvallat
-
University of OuluValmisSeasonal Affective Disorder (SAD)Suomi
-
Universitat Jaume IHospital de la RiberaEi vielä rekrytointiaBorderline Personality Disorder (BPD)Espanja
-
University of OldenburgProf. René Hurlemann; Jella Voelter, M.Sc.RekrytointiBorderline Personality Disorder (BPD)Saksa