不安と記憶状態の予測 (CAMERA)
不安と記憶状態の継続的な測定と予測のためのコンテキスト認識型マルチモーダル生態学的研究および評価 (CAMERA) プラットフォームの開発
この研究の目的は、脳、身体、行動の信号が不安や記憶機能にどのように関係しているかを調べることです。 このプロジェクトは、人間の脳と行動の関係を測定するための最先端のオープンマルチモーダルハードウェア/ソフトウェアシステムである、CAMERA (Context-Aware Multimodal Ecological Research and Assessment) プラットフォームの開発を目指しています。
プロジェクトの R61 部分は、CAMERA プラットフォームを開発するように設計されています。このプラットフォームは、マルチモーダルな受動センサー データを使用して、臨床てんかんの頭蓋内電極による入院患者の不安記憶状態を予測するとともに、CAMERA の受動データ フレームワークを構築することを目的としています。アクティブなデータフレームワーク。
調査の概要
詳細な説明
CAMERA は、神経、生理学的、行動、および環境信号、および生態学的瞬間評価 (EMA) からの測定値を記録し、人の不安レベルと認知能力の継続的な高解像度予測を開発します。 CAMERA は、マルチモーダル データ ソースの補完的な機能を活用し、それらを解釈可能な機械学習と組み合わせて人間の行動を予測するため、人間の行動を測定する現在の方法に比べて大幅な進歩をもたらします。 CAMERA のさらに特徴的な点は、コンテキスト認識型の適応型 EMA が組み込まれていることです。評価のタイミングは対象者の生理機能と行動に依存し、反応率とモデル学習が向上します。 この研究では、CAMERA は不安状態と同時記憶能力の予測に焦点を当てていますが、プラットフォームはさまざまな領域で使用できる柔軟性があります。
現在、人間の脳、身体、環境の間の複雑かつ長期的な関係を研究することは困難です。 既存のツールのほとんどでは、一時的な内部状態や認知機能を包括的または継続的に測定することはできません。 代わりに、私たちは通常、まばらに収集され制約された自己報告や、EMA を含む実験的構成に依存します。
研究の種類
入学 (推定)
段階
- 適用できない
連絡先と場所
研究連絡先
- 名前：Angela Velazquez
- 電話番号：646-515-1909
- メール：agv2113@cumc.columbia.edu
研究連絡先のバックアップ
- 名前：Brett E Youngerman, MD
- 電話番号：516-946-2145
- メール：bey2103@cumc.columbia.edu
研究場所
-
-
New York
-
New York、New York、アメリカ、10032
- 募集
- Columbia University Irving Medical Center
-
コンタクト：
- Brett E Youngerman, MD
- 電話番号：646-317-2887
- メール：bey2103@cumc.columbia.edu
-
主任研究者：
- Brett E Youngerman, MD
-
-
参加基準
適格基準
就学可能な年齢
- 大人
健康ボランティアの受け入れ
調査対象母集団
説明
包含基準:
- 患者は側頭葉てんかんを知っているか、または疑っている必要があります。
- 英語またはスペイン語を母国語とするか、堪能であること。
- sEEG の場合: インプラント計画には、片側または両側の海馬頭、体、尾部の電極が含まれている必要があります。
- 7 年生の読解レベル (成人が読み書きできるとみなされる最低レベル)
除外基準:
- 聴覚障害がある（補聴器で矯正されていない）
- 矯正レンズを使用すると、腕を伸ばした状態で新聞を読むことができません。
- 客観的な知的障害（推定IQ < 70）
- 電気けいれん療法または精神病の病歴（患者の発作後精神病を除く）
- 精神障害（生涯）
- 現在の不安障害、大うつ病性障害、または双極性障害
- 神経変性疾患、広範な脳病変の存在、言語の問題（命名困難以外）
- 認知能力に影響を与える可能性のある病状（HIV感染、転移の可能性のあるがんなど）。
- 急性腎不全または末期腎疾患
研究計画
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：ふるい分け
- 割り当て：なし
- 介入モデル：単一グループの割り当て
- マスキング：なし（オープンラベル）
武器と介入
参加者グループ / アーム |
介入・治療 |
|---|---|
|
他の：カメラ
成人てんかん患者は、非侵襲的なビデオ脳波（EEG）および扁桃体と海馬（片側または両側）をサンプリングする頭蓋内電極検査を受けます。
患者の一部（n=10）は、退院後2週間にわたり、以下のモダリティの一部を用いてContext-Aware Multimodal Ecological Research and Assessment（CAMERA）プラットフォームを使用します：生理学的リストバンド、スマートフォン表現型解析、生態学的瞬間評価（EMA）調査、および記憶課題。
予測不可能な間隔で、CAMERAは被験者を中断します：（a）聴覚性驚愕反応を誘発する音響警報；（b）自己申告による不安状態尺度；および（c）脅威干渉を伴う視空間記憶課題。
例えば、参加者は1日に数回、簡単な調査に記入し、ビデオゲームをプレイし、センサー付きリストバンドを着用します。
|
CAMERA プラットフォームは、非構造化環境における脳と行動の相互作用を測定し、生態学的状態を予測するためのマルチモーダルなハードウェアとソフトウェアのフレームワークです。
CAMERA は、マルチモーダルな受動的センサー データを使用して、臨床てんかんの頭蓋内電極による入院患者のモニタリングを受けている患者の不安記憶状態を予測します。
カメラは以下で構成されます: 心拍数測定基準と皮膚電気活動を強調する自律生理学的信号のリストバンド センサー。スマートフォンの使用、言語的特徴に対するテキスト入力の自然言語処理を重視。被験者を追跡する視聴覚配列。被験者の音声活動を強調します。海馬のシータパワーと高周波活動（約 70 ～ 200 Hz）を強調した頭蓋内神経記録。
|
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 |
|---|---|---|
|
予測された生態学的瞬間評価 (EMA) スコアと実際の生態学的瞬間評価 (EMA) スコア間の平均絶対誤差
時間枠：1～30日
|
マルチモーダル機械学習モデル (EMANet ) を使用して、母集団レベルで保持されたデータにおける EMA ≧ 1 の不安記憶状態の結果 (ターゲット) を予測します。
平均絶対誤差は、予測EMAスコアと実際のEMAスコアの絶対値の平均差になります。
平均誤差が大きいほど、予測の精度が低くなります。
予測では 2 つ以上の異なる受動的モダリティを使用する必要があり、いずれかのモダリティを単独で使用するよりも大幅に優れた予測精度を示します。
|
1～30日
|
|
時間の経過とともに EMANet 予測の改善を示した被験者の割合。
時間枠：1～30日
|
EMANet を使用して、数日にわたって測定された予測 EMA 値と実際の EMA 値の間の平均絶対誤差に適用される線形回帰で測定された、経時的な改善を示す生態学的瞬間評価 (EMA) 不安記憶状態の結果 (目標) が 1 つ以上予測します。
予測では 2 つ以上の異なる受動的モダリティを使用する必要があり、いずれかのモダリティを単独で使用するよりも大幅に優れた予測精度を示します。
|
1～30日
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
日次ベースでの予測絶対誤差と実際の絶対誤差の間の平均絶対誤差
時間枠：1～30日
|
予測不確実性のマルチモーダル機械学習モデル (UncertaintyNet) を使用して、保持データ内の生態学的瞬間評価 (EMA) 予測の平均絶対予測誤差を毎日単一被験者レベルで予測します。
平均絶対誤差は、予測誤差 (利用可能なすべてのデータに基づく) と実際の誤差の差を測定します。
|
1～30日
|
その他の成果指標
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
ニューラルデータのジッター（ミリ秒）
時間枠：1～30日
|
ジッター <30 ミリ秒でのニューラル データの正確な同期。
|
1～30日
|
|
オーディオビジュアルデータの遅延 (秒)
時間枠：1～30日
|
遅延が 10 秒未満のオーディオビジュアル データの正確な同期。
|
1～30日
|
|
手首センサーデータの遅延 (分)
時間枠：1～30日
|
手首のセンサーデータを 2 分未満の遅延で正確に同期します。
|
1～30日
|
|
スマートフォンデータの遅延（分）
時間枠：1～30日
|
遅延が 20 分未満でスマートフォンのデータを正確に同期します。
|
1～30日
|
|
生態学的瞬間評価 (EMA) 配信のジッター。 (ミリ秒)
時間枠：1～30日
|
ジッター <50 ミリ秒での生態学的瞬間評価配信の正確な同期による EMA 評価の配信の成功。
|
1～30日
|
|
生態学的瞬間評価 (EMA) 実施に対する正規化された反応率の改善率。
時間枠：1～30日
|
統計的に有意な 10% 以上の EMA 評価の実施に成功した (p<0.05)
ResponseNet を使用したコンテキスト認識型 EMA 配信の実装により、時間の経過とともに（被験者全体で）正規化された応答率が向上します。
|
1～30日
|
|
外来環境への翻訳の実現可能性を実証した被験者の数。
時間枠：14日
|
外来患者 10 名から 2 週間連続で非神経生理学的、スマートフォンおよび EMA (調査およびタスク) データを (同期して) 収集し、受動的なデータ損失は 10% 未満でした。
|
14日
|
協力者と研究者
スポンサー
捜査官
- スタディディレクター：Joshua Jacobs, PhD、University of Chicago
- 主任研究者：Brett E Youngerman, MD、Columbia University
研究記録日
主要日程の研究
研究開始 (実際)
一次修了 (推定)
研究の完了 (推定)
試験登録日
最初に提出
QC基準を満たした最初の提出物
最初の投稿 (実際)
学習記録の更新
投稿された最後の更新 (実際)
QC基準を満たした最後の更新が送信されました
最終確認日
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。