CAVA多中心性めまい試験 (CAVA 2)

これは、成人参加者 255 名を募集対象とした多施設共同の診断精度研究です。 採用活動は英国内の 10 か所の拠点で 2 年間にわたって行われます。 参加資格を得るには、参加者はメニエール病、前庭片頭痛、または BPPV の診断を受けている必要があります。 この研究では、それぞれの条件を持つ85人の参加者を募集する。 各患者の診断は「参照標準」を形成し、後で自動コンピューター診断と比較されます。

各参加者は CAVA デバイスを 30 日間ほぼ継続的に装着します。 この装置は、めまいの発作中も含め、この間のすべての目と頭の動きを記録します。 患者がめまいの症状を経験した場合、CAVA デバイスのイベント マーカーをアクティブにし、発作の開始と持続期間を日記に記録するよう求められます。 この手動ログはアルゴリズム開発には依存しませんが、めまいに関連する眼球運動の期間を検出するために 30 日分のデータ全体が使用されます。

研究者らは、CAVA デバイスによって捕捉されたデータを使用して 3 つの目標状態を区別するコンピューター アルゴリズムを開発します。 これらのアルゴリズムは、現在の MRC 助成金の期間中に開発され、優れた結果をもたらしたアルゴリズムに基づいて構築されます。10、11、17。 このアルゴリズムは、いわゆる「エンドツーエンド」アプローチで深層学習ニューラル ネットワーク (DNN) を使用します。 このアプローチでは、多層ネットワークは「生の」時間領域データを入力として受け取り、信号の明示的な中間表現 (信号のエントロピー、電力、歪度、尖度など) を使用せずに分類決定を出力します。 エンドツーエンドのアプローチは、通常、畳み込み層とプーリング層、完全接続層、自動エンコーダー、および長短期記憶 (LSTM) 層の交互シーケンスを利用し、大量のトレーニングが必要な場合に従来のアプローチよりも優れたパフォーマンスを発揮することが示されています。データは利用可能です。 ただし、それらは、信号がどのように機能するか (つまり、信号のどの特徴が分類に重要であるか) についてはほとんど洞察を提供しません。 したがって、中間表現を生成し、これらの入力特徴を使用して一連の分類子 (ブースト ツリー、ランダム フォレスト、ロジスティック回帰、サポート ベクター マシンなど) をテストする方法を開発することも検討されます。

アルゴリズムのパフォーマンスは、分類子を評価する通常の方法である「leave-one-out 相互検証」手法を使用して評価されます。22 この手法では、1 人の患者からのデータが確保され、他の患者からの残りのデータが分類器の「トレーニング」に使用されます。 3 つの条件を区別するためにトレーニングされたアルゴリズムを「分類子」として参照します。 次に、分類子は、保管されたデータに基づいてテストされます。テスト プロセスは、分類子の予測診断 (「メニエール病」、「前庭片頭痛」、または「BPPV」) と真の診断 (参照標準ラベル) を比較することで構成されます。 このプロセスが繰り返され、毎回異なる患者のデータが削除され、255 人の患者全員に対する自動診断が生成されます。 計算コストは​​高くなりますが、これにより、分類子がトレーニング中にテストする患者からのデータを「見ていない」ことが保証され、決定にバイアスがかかる可能性があります。 また、これは、新しい患者が臨床医を訪ね、他の患者の経験に基づいて診断が提供されるという現実世界のシナリオとも密接に一致しています。

この研究では、3 つのターゲット状態のそれぞれを診断するための感度と特異度、および受信者オペレーター曲線 (ROC) が示され、さまざまな分類しきい値によって診断精度がどのように変化するかが示されます。

ターゲット条件にはさまざまな発生率があります。 この不均衡をこの研究の統計計算に反映するには、これらの最も一般的な症状を持つ何千人もの患者が必要になります。 これは経済的に実行可能ではなく、研究に価値を付加しないと考えられています。 得られる結果は、システムの有効性と各疾患の予想される検出率を実証するのに十分な堅牢性を備えています。

医療エコノミスト (HE) は、既存の経路と比較して、CAVA を組み込んだ診断経路の潜在的なリソース、経済的節約、および患者の利益を評価します。 研究デザインにより、経済性評価のために適切なデータ収集が研究に組み込まれることが保証されます。 初期の費用対効果モデルは、遡及的な患者データ (病歴、検査数、通院回数など) を使用して開発されます。 このモデルは、標準的な診断経路と比較した診断精度のさまざまな仮説上の閾値における CAVA の予測アルゴリズムの潜在的な節約と利点を明らかにします。 CAVA デバイスを使用した反事実的な診断経路は、現時点での通常の治療の標準に照らして開発され、最も可能性の高い潜在的な経済的利益を知らせる予定です。

商業化コンサルタントは、CAVA システムの商業化をサポートするための作業ポートフォリオを監督します。 彼らは、CAVAの商業化へのルートを詳細に記した市場アクセス計画を作成し、既存のNHS経路内でのCAVAの位置付けとそれがどのように実施されるかを確認する予定である。 研究者らは、NHS 組織の専門家、患者、IT 関係者が参加する関係者イベントで、これまでのフォーカス グループの作業を基礎にしていきます。 調査員は、NHS 内での養子縁組の実現可能性に関して利害関係者にとって重要な問題を特定し、養子縁組に対するサポートを確立します。 試験の中間結果をレビューするための PPI イベントと、その結果を一般の人々と共有するための公開普及イベントが開催されます。 プロジェクト全体を通じて、将来のライセンスが関与します。