Intelligence artificielle basée sur la parole pour la détection de la démence chez les patients danois (DetectAI)
Développement et validation des biomarqueurs danois et vocaux danois non invasifs pour la classification des maladies neurodégénératives au moyen de la reconnaissance automatique de la parole avec intelligence artificielle (détectai)
Le but de cette étude observationnelle est de développer et de tester un modèle d'intelligence artificielle (IA) qui peut détecter les signes de démence et les conditions connexes à partir d'enregistrements vocaux. La principale question est de savoir si un modèle d'IA basé sur la parole peut distinguer correctement les personnes avec une mémoire normale et la réflexion de ceux qui ont une déficience cognitive.
L'étude explorera également si l'IA peut distinguer la démence de la dépression, séparer différents sous-types de démence et identifier les personnes souffrant d'une déficience cognitive légère (MCI) susceptible de développer une démence.
Les participants effectueront une courte mémoire et des tâches de la parole lors de l'enregistrement. Le modèle d'IA analysera ces enregistrements pour apprendre les modèles liés à différents diagnostics. À la fin de l'étude, sa précision sera testée sur de nouveaux participants.
Aperçu de l'étude
Statut
Statut
Les conditions
Les conditions
Intervention / Traitement
Intervention / Traitement
- Test diagnostique: Examen mini-mental
- Test diagnostique: Examen cognitif d'Addenbrooke
- Autre: Speech Task - Picture Description
- Autre: Speech Task - Picture Recall
- Test diagnostique: MRI
- Test diagnostique: blood sampling
- Test diagnostique: Depression screening
- Autre: Somatic- and neurological examination
- Autre: Speech Task - Picture Narrative
Description détaillée
La démence de fond est un défi croissant de santé publique, et un diagnostic précoce et précis est essentiel pour les soins efficaces et les traitements potentiels potentiels modifiant les maladies. Les voies de diagnostic actuelles sont à forte intensité de ressources et associées à de longs temps d'attente. Le discours reflète le fonctionnement cognitif, et des études internationales récentes ont montré que l'IA peut détecter les modèles liés à la démence dans des enregistrements vocaux avec une précision prometteuse. Cette étude vise à développer et à valider un modèle d'IA basé sur la parole dans un cadre danois, fournissant un outil de dépistage non invasif et évolutif à utiliser dans les soins primaires.
Phases Un Ce protocole décrit la première phase de notre étude qui devrait être achevée en deux phases distinctes.
Dans la première phase, nous cherchons à former un modèle d'IA pour analyser les données de la parole des participants ayant une déficience cognitive et les comparer aux données de la parole des participants témoins sains, comme cela est détaillé par ce protocole. Si la méthode est validée, nous continuerons à la phase deux.
Les travaux futurs dans la phase deux, nous nous attendons à effectuer une validation externe. L'analyse du modèle d'IA sera effectuée sur 200 participants dans le secteur des soins primaires référés pour l'évaluation de la démence. Les résultats de l'analyse de l'IA seront comparés par rapport au diagnostic de consensus final des étalons-or.
La phase deux aura un protocole distinct qui sera élaboré en fonction des résultats de la première phase.
Elaboration of Time Perspective Autre: Design hybride. La plupart des participants seront inclus dans une étude cas-témoins transversale (enregistrement de la parole unique). Pour les participants atteints de MCI, des données de suivi seront collectées dans la période d'étude pour évaluer la progression vers la démence, permettant une évaluation de la capacité du modèle à distinguer le MCI non progressif.
Type d'étude
Type d'étude
Inscription (Estimé)
Inscription
Contacts et emplacements
Coordonnées de l'étude
Coordonnées de l'étude
- Nom: Sofie J Vængebjerg, MD
- Numéro de téléphone: +4530294621
- E-mail: sova@regsj.dk
Sauvegarde des contacts de l'étude
- Nom: Peter Høgh, MD, PhD, Assoc Prof
- Numéro de téléphone: +45 22526698
- E-mail: phh@regionsjaelland.dk
Lieux d'étude
-
-
Region Sjælland
-
Roskilde, Region Sjælland, Danemark, 4000
- Zealand University Hospital
-
Contact:
- Sofie J Vængebjerg, MD, PhD student
- Numéro de téléphone: +45 30294621
- E-mail: sova@regsj.dk
-
Contact:
- Peter Høgh, MD, PhD, Assoc Prof
- E-mail: phh@regionsjaelland.dk
-
-
Critères de participation
Critère d'éligibilité
Critère d'éligibilité
Âges éligibles pour étudier
- Adulte
- Adulte plus âgé
Accepte les volontaires sains
Méthode d'échantillonnage
Population étudiée
La description
Critères d'inclusion:
- Âge> 50 ans
- Couramment le danois
- Minimum 7 ans de scolarité
Pour les participants de la cohorte de suivi:
- Un diagnostic consensuel de la MA, VAD, LBD, FTD, MCI ou dépression établi à la clinique de mémoire dans les 6 mois précédant l'inscription
Pour les participants de la cohorte de contrôle sain:
- Aucune déficience cognitive connue ou trouble affectif
Critères d'exclusion:
- Vision ou audition de manière significative (dans la mesure où le participant ne peut pas participer à l'analyse linguistique d'IA)
- Les participants ne peuvent pas donner leur consentement
Participants de la cohorte de suivi et de nouvelles références:
- Score MMSE <16
- Les participants avec plusieurs diagnostics (par exemple. démence mixte ou AD avec dépression simultanée)
Pour les participants de la nouvelle cohorte de références:
- Les participants tombant en dehors des six catégories incluses dans l'étude (AD, VAD, LBD, FTD, MCI, Dépression)
- Les participants où il est évident au départ qu'ils ne figureront pas dans les catégories ci-dessus (peuvent être exclues avant le diagnostic de consensus clinique)
Pour les participants de la cohorte de contrôle sain:
- MMSE <26 et ACE <90
- Score GDS indiquant la dépression (6 ou plus)
- Résultats cliniques, en laboratoire ou neuroradiologiques qui pourraient affecter les fonctions cognitives
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
Nombre de groupes / cohortes
Cohortes et interventions
Groupe / CohorteGroupe / Cohorte |
Intervention / TraitementIntervention / Traitement |
|---|---|
|
Cognitively Healthy Control Participants for Model A
We seek to enroll 40 age-matched cognitively healthy control participants for the training of model A.
|
Les participants seront enregistrés pendant le test afin de permettre à l'IA d'apprendre et d'analyser les modèles de discours.
Autres noms:
Les participants seront enregistrés pendant le test afin de permettre à l'IA d'apprendre et d'analyser les modèles de discours.
Autres noms:
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.
|
Les participants seront enregistrés pendant le test afin de permettre à l'IA d'apprendre et d'analyser les modèles de discours.
Autres noms:
Les participants seront enregistrés pendant le test afin de permettre à l'IA d'apprendre et d'analyser les modèles de discours.
Autres noms:
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.
|
Les participants seront enregistrés pendant le test afin de permettre à l'IA d'apprendre et d'analyser les modèles de discours.
Autres noms:
Les participants seront enregistrés pendant le test afin de permettre à l'IA d'apprendre et d'analyser les modèles de discours.
Autres noms:
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
|
Que mesure l'étude ?
Principaux critères de jugement
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
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.
Délai: 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)
|
Mesures de résultats secondaires
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Précision pour la démence contre la dépression
Délai: Au départ (enregistrement de la parole)
|
Mesuré par sensibilité, spécificité, AUR-ROC des prédictions de l'IA par rapport au diagnostic de consensus clinique, en utilisant des enregistrements vocaux de base des participants.
Les performances du modèle seront mesurées après le verrouillage de la base de données à l'achèvement de l'étude.
|
Au départ (enregistrement de la parole)
|
|
Sous-classification des troubles cognitifs légers (MCI) en progressifs vs non passants
Délai: Au départ (enregistrement de la parole) et jusqu'à 12 mois après l'inscription (pour déterminer la progression)
|
Mesuré par sensibilité, spécificité, AUR-ROC des prédictions de l'IA par rapport au diagnostic de consensus clinique, en utilisant des enregistrements vocaux de base des participants. Les performances du modèle seront mesurées après le verrouillage de la base de données à l'achèvement de l'étude. La progression est définie comme un nouveau diagnostic de démence pendant la période d'étude. |
Au départ (enregistrement de la parole) et jusqu'à 12 mois après l'inscription (pour déterminer la progression)
|
|
Classification des sous-types de démence (AD, VAD, LBD, FTD)
Délai: Au départ (enregistrement de la parole)
|
Mesuré par sensibilité, spécificité, AUR-ROC des prédictions de l'IA par rapport au diagnostic de consensus clinique, en utilisant des enregistrements vocaux de base des participants.
Les performances du modèle seront mesurées après le verrouillage de la base de données à l'achèvement de l'étude.
|
Au départ (enregistrement de la parole)
|
|
Comparaison avec les biomarqueurs établis
Délai: Au départ, ou au moment des tests de biomarqueurs s'ils sont effectués après la ligne de base
|
Différences de précision diagnostique entre les prédictions de l'IA et les biomarqueurs de pointe pour le diagnostic de la démence
|
Au départ, ou au moment des tests de biomarqueurs s'ils sont effectués après la ligne de base
|
|
Analyse de l'importance des caractéristiques
Délai: Au départ (enregistrement de la parole)
|
L'importance des fonctionnalités sera évaluée à l'aide d'analyses d'interprétabilité (par ex.
importance de la permutation, valeurs SHAP et/ou ablation de groupes de caractéristiques) pour quantifier la contribution des caractéristiques acoustiques et linguistiques aux prédictions du modèle.
|
Au départ (enregistrement de la parole)
|
Autres mesures de résultats
Autres mesures de résultats
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Nombre de tâches requises pour une précision optimale
Délai: Au départ (enregistrement de la parole)
|
Évaluation de la question de savoir si un ensemble réduit de tâches de parole fournit une précision comparable à la batterie de test complète.
|
Au départ (enregistrement de la parole)
|
|
Contribution des tâches de la parole individuelles à la performance du modèle d'IA
Délai: Au départ (enregistrement vocal)
|
La contribution des tâches de parole individuelles sera évaluée en comparant les performances du modèle (par ex.
Précision, sensibilité, spécificité, AUC-ROC) lorsqu'elle est formée et testée sur des sous-ensembles de tâches de parole (tests de mémoire, rappel d'histoire, description de l'image).
Cela identifiera quelles tâches fournissent le signal de diagnostic le plus fort.
|
Au départ (enregistrement vocal)
|
Collaborateurs et enquêteurs
Parrainer
Parrainer
Collaborateurs
Collaborateurs
Les enquêteurs
Les enquêteurs
- Chercheur principal: Peter Høgh, MD, PhD, Assoc Prof, Zealand University Hospital
Publications et liens utiles
Publications générales
- 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.
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Estimé)
Début de l'étude
Achèvement primaire (Estimé)
Achèvement primaire
Achèvement de l'étude (Estimé)
Achèvement de l'étude
Dates d'inscription aux études
Première soumission
Première soumission
Première soumission répondant aux critères de contrôle qualité
Première soumission répondant aux critères de contrôle qualité
Première publication (Réel)
Première publication
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
Dernière mise à jour publiée
Dernière mise à jour soumise répondant aux critères de contrôle qualité
Dernière mise à jour soumise répondant aux critères de contrôle qualité
Dernière vérification
Dernière vérification
Plus d'information
Termes liés à cette étude
Mots clés
- apprentissage automatique
- démence
- Déficience cognitive
- stresser
- intelligence artificielle
- l'apprentissage en profondeur
- Trouble cognitif léger (MCI)
- Démence frontotemporale (FTD)
- Démence du corps de Lewy (LBD)
- intelligence artificielle basée sur la parole
- Intelligence artificielle dans les diagnostics de démence
- Intelligence artificielle pour le dépistage de la démence
- intelligence artificielle pour la classification de la démence
- intelligence artificielle basée sur la parole
- Démence vasculaire (VAD)
- Démence Alzheimer (AD)
- Dépression - Trouble dépressif majeur
- Démence (diagnostic)
Termes MeSH pertinents supplémentaires
- Synucleinopathies
- Troubles cérébrovasculaires
- Maladies du cerveau
- Maladies du système nerveux central
- Maladies du système nerveux
- Maladies vasculaires
- Maladies cardiovasculaires
- Les troubles mentaux
- Processus pathologiques
- Maladies métaboliques
- Troubles neurocognitifs
- Troubles cognitifs
- Tauopathies
- Maladies neurodégénératives
- Troubles du mouvement
- Troubles parkinsoniens
- Maladies des noyaux gris centraux
- TDP-43 Protéinopathies
- Déficits de protéostase
- Artériosclérose
- Maladies artérielles occlusives
- Leucoencéphalopathies
- Artériosclérose intracrânienne
- Maladies artérielles intracrâniennes
- Dégénérescence lobaire frontotemporale
- Conditions pathologiques, signes et symptômes
- Maladies nutritionnelles et métaboliques
- Dysfonctionnement cognitif
- Maladie d'Alzheimer
- Maladie
- Démence
- Démence frontotemporale
- Démence vasculaire
- Maladie à corps de Lewy
- Techniques d'investigation
- Manipulation des échantillons
- Techniques de laboratoire clinique
- Techniques et procédures de diagnostic
- Diagnostic
- Perforation
- Procédures chirurgicales, opératoires
- Phénomènes génétiques
- Ploïdies
- Collection d'échantillons de sang
- Diploïdie
Autres numéros d'identification d'étude
Autres numéros d'identification d'étude
- SJ-1107
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Étudie un produit d'appareil réglementé par la FDA américaine
Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .