Prédiction de l'amyloïde dans la maladie d'Alzheimer à un stade précoce grâce au phénotypage de la parole - Extension FUTURE (FUTURE-US)

L'objectif principal de l'étude est d'évaluer si un ensemble d'algorithmes analysant les modèles acoustiques et linguistiques de la parole peut prédire le changement dans le composite clinique préclinique d'Alzheimer avec traitement sémantique (PACC5) entre le départ et le suivi de +12 mois dans les quatre bras, comme mesuré par le coefficient d'accord individuel (CIA) entre le changement de PACC5 et le modèle de régression correspondant, formé sur des données de parole de base pour le prédire. Les objectifs secondaires incluent (1) évaluer si des algorithmes similaires peuvent prédire le changement de PACC5 entre le départ et +12 mois de suivi dans les populations cognitivement normales (CN) et MCI séparément ; (2) évaluer si des algorithmes similaires formés pour régresser par rapport aux scores PACC5 au départ, régressent encore significativement par rapport aux scores PACC5 à +12 mois de suivi, tel que mesuré par le coefficient d'accord individuel (CIA) entre le composite PACC5 à +12 mois et le modèle de régression, formé sur les données vocales de base pour prédire les scores PACC5 au départ ; (3) évaluer si des algorithmes similaires peuvent classer les convertisseurs par rapport aux non-convertisseurs dans les bras cognitifs normaux (bras 3 + 4) et les déclineurs rapides par rapport aux lents dans les bras MCI (bras 1 + 2), tels que mesurés par l'aire sous la courbe (AUC) de la courbe caractéristique de fonctionnement du récepteur, sensibilité, spécificité et kappa de Cohen des classificateurs binaires correspondants. Les objectifs secondaires incluent les objectifs ci-dessus, mais en utilisant des points de temps de +24 mois et +36 mois ; et enfin pour évaluer si les performances du modèle pour les objectifs et les résultats ci-dessus se sont améliorées si le modèle a accès aux données de parole à 1 semaine, 1 mois et 3 mois.