人工知能を使用して減量治療の提供を最適化する (ReLearn)
2026年9月1日 更新者：elafata@ori.org、Oregon Research Institute
Project ReLearn は、減量コーチングを最適化するための人工知能システムの有効性と費用対効果をテストしています。
参加者は、1 年間の毎週のゴールド スタンダード行動減量リモート (ビデオ) グループ治療、またはリモート グループ治療、短いビデオ通話、自動メッセージの組み合わせで構成される AI 最適化治療に無作為に割り付けられます。
AI に最適化された状態では、システムは結果を (ワイヤレス スケール、携帯電話アプリ、手首装着トラッカーを介して) 監視し、毎週、特定の時間制限内で、各参加者に最も効果的な治療法を割り当てます。
調査の概要
研究の種類
介入
入学 (実際)
301
段階
- 適用できない
連絡先と場所
このセクションには、調査を実施する担当者の連絡先の詳細と、この調査が実施されている場所に関する情報が記載されています。
研究場所
-
-
Pennsylvania
-
Philadelphia、Pennsylvania、アメリカ、19104
- Drexel University Center for Weight, Eating and Lifestyle Science
-
-
参加基準
研究者は、適格基準と呼ばれる特定の説明に適合する人を探します。これらの基準のいくつかの例は、人の一般的な健康状態または以前の治療です。
適格基準
就学可能な年齢
18年～70年 (大人、高齢者)
健康ボランティアの受け入れ
いいえ
説明
包含基準:
- 個人は太りすぎまたは肥満のBMI（27〜50 kg / m ）でなければなりません
- 個人は成人でなければなりません（18〜70歳）
- リモートプログラムに参加する能力と意欲がある
- 身体活動を行うことができる (2 街区を立ち止まらずに歩くことと定義)
- 個人はまた、研究チームが必要に応じてかかりつけの医師に連絡し、クリアランスを提供し、または急速な減量について相談することに同意する必要があります。
- Apple または Android スマートフォンへのアクセスと使用意欲
- すべての登録手続きが正常に完了していること
除外基準:
- -介入中に参加者にリスクをもたらしたり、体重の変化を引き起こしたりする可能性のある病状（例：がん、I型糖尿病、精神病、摂食障害）
- 現在妊娠中、授乳中、または今後12か月以内に妊娠を計画している
- 体重の大幅な変化を引き起こす可能性のある薬の投与量を最近開始または変更した
- 肥満手術の歴史
- 過去 3 か月で 5% を超える体重減少
研究計画
このセクションでは、研究がどのように設計され、研究が何を測定しているかなど、研究計画の詳細を提供します。
研究はどのように設計されていますか？
デザインの詳細
- 主な目的：処理
- 割り当て：ランダム化
- 介入モデル：階乗代入
- マスキング：独身
武器と介入
参加者グループ / アーム |
介入・治療 |
|---|---|
|
アクティブコンパレータ：BWL-S
MS レベルの臨床医による 1 年間の遠隔ゴールドスタンダード、小グループベースの行動的減量治療。
|
行動減量治療は、肥満の現在のゴールド スタンダード治療です。
|
|
実験的：BWL-AI
1 年間の遠隔減量治療。(1) 遠隔の小グループベースの行動減量セッション、(2) 12 分間の個別ビデオ通話、(2) 自動テキスト メッセージの組み合わせで構成されます。
MS レベルの臨床医がグループ治療を提供します。
ほとんどのビデオ通話はパラプロフェッショナルのコーチによって行われますが、一部は MS レベルの臨床医によって行われます。
AI システムは毎週、一定の時間制約内で参加者がどの治療に最もよく反応したかに基づいて、各参加者に対する介入の 1 つを選択します。
|
AI 最適化行動減量治療は、継続的に監視される参加者のデジタル データに基づいて、強度 (自動化されたテキスト メッセージ、ビデオ会議グループ、個別のコーチング コール) とコーチの種類 (準専門家または MS レベルの専門家) を継続的に変化させます。
|
この研究は何を測定していますか？
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
体重変化
時間枠：ベースライン、1 か月、6 か月、および 12 か月の評価
|
体重は、Fitbit Aria Air ワイヤレス スケールを使用して測定され、0.2 kg まで正確です。
精度を最大化するために、(1) 指示を提供します (例: 体重計を平らで硬い表面に置き、起床時、服を脱いでトイレを使用した後に体重を量る)、(2) 参加者に指示に従っていることを確認するよう求めます。各アセスメント ポイント、(3) 各タイムポイントの 5 つの連続した毎日の体重の平均を使用、(4) 誤った体重を削除 (例えば、1 日で 1 kg を超える変化)。
|
ベースライン、1 か月、6 か月、および 12 か月の評価
|
|
費用
時間枠：ベースライン、1 か月、6 か月、および 12 か月の評価
|
カウンセラー、参加者、監督カウンセラーのトレーニングに費やされたすべての時間は、カウンセラーが個人およびグループの治療に費やす時間と同様に、プロジェクト コーディネーターによって追跡されます。
Web ポータルは、カウンセラーのポータルでの時間を追跡します (例: 食事の記録の確認やテキストメッセージ)。
基本的な時間のコミットメントは条件によって事前に設定されていますが、参加者のノーショー、参加者のドロップアウト、時間制限のカウンセラーの順守など、いくつかの要因は異なります.
|
ベースライン、1 か月、6 か月、および 12 か月の評価
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
身体活動
時間枠：ベースライン、1 か月、6 か月、および 12 か月の評価
|
中程度から激しい身体活動 (MVPA) の分数は、Fitbit を介して測定されます。Fitbit は、優れたコンプライアンスと研究グレードの加速度計とほぼ同等の精度を備えた、消費者向けの手首に装着するアクティビティ トラッカーです。
MVPA の目標を達成した日数が AI システムによって使用され、MVPA の分数が二次結果として使用されます。
|
ベースライン、1 か月、6 か月、および 12 か月の評価
|
|
カロリー摂取量
時間枠：ベースライン、1 か月、6 か月、および 12 か月の評価
|
Fitbit アプリの食事ログから導き出された 7 日間のカロリー摂取量が、二次結果として使用されます。
データはコーチ (標準治療ごと) と AI システムの両方で使用されるため、参加者は既にアプリを使用して消費量を追跡しています。
|
ベースライン、1 か月、6 か月、および 12 か月の評価
|
|
リッカート自己報告スケールによって測定される受容性
時間枠：6か月および12か月の評価
|
参加者は、プログラムの満足度と認識された有効性を評価するよう求められます。
カウンセラーは、有効性と使いやすさを評価します。
|
6か月および12か月の評価
|
その他の成果指標
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
自主規制能力
時間枠：ベースラインと 1 か月の評価
|
自己調整能力は、簡単な自己管理尺度 (再テストの信頼性と内部一貫性が高く、減量と食事の健康を予測する) を使用して直接測定されます。
|
ベースラインと 1 か月の評価
|
|
自律的な動機
時間枠：ベースラインと 1 か月の評価
|
自律的な動機は、内部的に一貫した有効な治療自己調整アンケートによって測定されます。
|
ベースラインと 1 か月の評価
|
|
抑うつ症状
時間枠：ベースラインと 1 か月の評価
|
うつ病の症状は、疫学研究センターの20項目のうつ病スケールで測定されます。
この自己報告尺度は広く使用されており、さまざまな人口統計学的グループ、および臨床集団と非臨床集団の両方で信頼できることが証明されています。
|
ベースラインと 1 か月の評価
|
|
過食
時間枠：ベースラインと 1 か月の評価
|
むちゃ食いは、摂食障害検査 (EDE) のむちゃ食いモジュールで測定されます。
|
ベースラインと 1 か月の評価
|
協力者と研究者
ここでは、この調査に関係する人々や組織を見つけることができます。
捜査官
- 主任研究者：Evan M Forman, PhD、Drexel University Center for Weight, Eating and Lifestyle Science
出版物と役立つリンク
研究に関する情報を入力する責任者は、自発的にこれらの出版物を提供します。これらは、研究に関連するあらゆるものに関するものである可能性があります。
一般刊行物
- Berry M, Taylor L, Huang Z, Chwyl C, Kerrigan S, Forman E. Automated Messaging Delivered Alongside Behavioral Treatment for Weight Loss: Qualitative Study. JMIR Form Res. 2023 Nov 6;7:e50872. doi: 10.2196/50872.
- Forman EM, Berry MP, Butryn ML, Hagerman CJ, Huang Z, Juarascio AS, LaFata EM, Ontanon S, Tilford JM, Zhang F. Using artificial intelligence to optimize delivery of weight loss treatment: Protocol for an efficacy and cost-effectiveness trial. Contemp Clin Trials. 2023 Jan;124:107029. doi: 10.1016/j.cct.2022.107029. Epub 2022 Nov 23.
研究記録日
これらの日付は、ClinicalTrials.gov への研究記録と要約結果の提出の進捗状況を追跡します。研究記録と報告された結果は、国立医学図書館 (NLM) によって審査され、公開 Web サイトに掲載される前に、特定の品質管理基準を満たしていることが確認されます。
主要日程の研究
研究開始 (実際)
2022年3月22日
一次修了 (実際)
2025年2月28日
研究の完了 (実際)
2025年2月28日
試験登録日
最初に提出
2022年1月26日
QC基準を満たした最初の提出物
2022年2月7日
最初の投稿 (実際)
2022年2月9日
学習記録の更新
投稿された最後の更新 (実際)
2026年9月4日
QC基準を満たした最後の更新が送信されました
2026年9月1日
最終確認日
2026年9月1日
詳しくは
この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。