デンマーク人患者の認知症を検出するための音声ベースの人工知能 (DetectAI)
人工知能を使用した自動音声認識による神経変性疾患分類のための非侵襲的なデンマーク語と音声バイオマーカーの開発と発話（Detectai）
この観察研究の目標は、認知症と関連する状態の兆候を検出できる人工知能（AI）モデルを開発およびテストすることです。 主な問題は、音声ベースのAIモデルが、認知障害のある人と通常の記憶と思考を持つ人々を正しく伝えることができるかどうかです。
この研究では、AIが認知症とうつ病、別の異なる認知症サブタイプを区別し、軽度の認知障害のある人（MCI）が認知症を発症する可能性があるかを特定できるかどうかを調査します。
参加者は、記録中に短いメモリと音声タスクを完了します。 AIモデルは、これらの記録を分析して、さまざまな診断にリンクされたパターンを学習します。 研究の終わりに、その精度は新しい参加者でテストされます。
調査の概要
状態
条件
詳細な説明
背景認知症は公衆衛生の課題の高まりであり、効果的なケアと将来の疾患修正治療の可能性には、早期かつ正確な診断が不可欠です。 現在の診断経路はリソース集約型であり、長い待ち時間に関連しています。 音声は認知機能を反映しており、最近の国際研究では、AIが正確さを伴う音声記録の認知症関連パターンを検出できることが示されています。 この研究の目的は、デンマークの環境で音声ベースのAIモデルを開発および検証し、プライマリケアで使用するための非侵襲的でスケーラブルなスクリーニングツールを提供することです。
フェーズ1このプロトコルは、2つの別々のフェーズで完了すると予想される研究の最初のフェーズについて説明します。
フェーズ1では、AIモデルをトレーニングして、認知障害のある参加者からの音声データを分析し、このプロトコルを通じて詳述されているように、健康なコントロール参加者の音声データと比較しようとしています。 メソッドが検証されている場合、2つのフェーズ2を継続します。
フェーズ2での将来の作業外部検証を実施する予定です。 AIモデル分析は、認知症評価のために紹介されたプライマリケアセクターの200人の参加者に対して実行されます。 AI分析の結果は、最終的なゴールドスタンダードコンセンサス診断と比較されます。
フェーズ2には別のプロトコルがあり、フェーズ1の結果に基づいて作成されます。
時間の視点の精緻化その他：ハイブリッドデザイン。 ほとんどの参加者は、横断的症例対照研究（単一の音声録音）に含まれます。 MCIの参加者の場合、研究期間内にフォローアップデータが収集され、認知症への進行が評価され、プログレッシブを非進行性MCIと区別するモデルの能力の評価が可能になります。
研究の種類
入学 (推定)
連絡先と場所
研究連絡先
- 名前：Sofie J Vængebjerg, MD
- 電話番号：+4530294621
- メール：sova@regsj.dk
研究連絡先のバックアップ
- 名前：Peter Høgh, MD, PhD, Assoc Prof
- 電話番号：+45 22526698
- メール：phh@regionsjaelland.dk
研究場所
-
-
Region Sjælland
-
Roskilde、Region Sjælland、デンマーク、4000
- Zealand University Hospital
-
コンタクト：
- Sofie J Vængebjerg, MD, PhD student
- 電話番号：+45 30294621
- メール：sova@regsj.dk
-
コンタクト：
- Peter Høgh, MD, PhD, Assoc Prof
- メール：phh@regionsjaelland.dk
-
-
参加基準
適格基準
就学可能な年齢
- 大人
- 高齢者
健康ボランティアの受け入れ
サンプリング方法
調査対象母集団
説明
包含基準：
- 50歳以上
- デンマーク語に堪能
- 学校教育の最低7年
フォローアップコホートの参加者の場合：
- AD、VAD、LBD、FTD、MCIまたはうつ病のいずれかのコンセンサス診断
健康なコントロールコホートの参加者の場合：
- 既知の認知障害または感情障害はありません
除外基準：
- 視力または聴覚が著しく障害（参加者が言語AI分析に参加できない限り）
- 参加者は同意できません
フォローアップおよび新しい紹介コホートの参加者：
- MMSEスコア<16
- 複数の診断を受けた参加者（例： 同時うつ病を伴う混合認知症またはAD）
新しい紹介コホートの参加者のために：
- 研究に含まれる6つのカテゴリの外に陥っている参加者（AD、VAD、LBD、FTD、MCI、うつ病）
- ベースラインで明らかな参加者は、上記のカテゴリに該当しないことが明らかです（臨床コンセンサス診断が行われる前に除外できます）
健康なコントロールコホートの参加者の場合：
- MMSE <26およびACE <90
- うつ病を示すGDSスコア（6以降）
- 認知機能に影響を与える可能性のある臨床、実験室、または神経細胞学的所見
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
コホートと介入
グループ/コホート |
介入・治療 |
|---|---|
|
Cognitively Healthy Control Participants for Model A
We seek to enroll 40 age-matched cognitively healthy control participants for the training of model A.
|
参加者は、AIが音声パターンを学習および分析できるようにするために、テスト中に記録されます。
他の名前：
参加者は、AIが音声パターンを学習および分析できるようにするために、テスト中に記録されます。
他の名前：
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.
|
参加者は、AIが音声パターンを学習および分析できるようにするために、テスト中に記録されます。
他の名前：
参加者は、AIが音声パターンを学習および分析できるようにするために、テスト中に記録されます。
他の名前：
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.
|
参加者は、AIが音声パターンを学習および分析できるようにするために、テスト中に記録されます。
他の名前：
参加者は、AIが音声パターンを学習および分析できるようにするために、テスト中に記録されます。
他の名前：
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
|
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 |
|---|---|---|
|
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.
時間枠：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)
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
認知症とうつ病の精度
時間枠：ベースライン（音声録音）
|
参加者からのベースライン音声記録を使用して、臨床コンセンサス診断と比較して、感度、特異性、AI予測のAUR-ROCで測定されます。
モデルのパフォーマンスは、学習完了時にデータベースロック後に測定されます。
|
ベースライン（音声録音）
|
|
軽度の認知障害（MCI）のプログレッシブと非進行性へのサブ分類
時間枠：ベースライン（音声録音）および登録後最大12か月後（進行を決定するため）
|
参加者からのベースライン音声記録を使用して、臨床コンセンサス診断と比較して、感度、特異性、AI予測のAUR-ROCで測定されます。 モデルのパフォーマンスは、学習完了時にデータベースロック後に測定されます。 進行は、研究期間中の新しい認知症診断として定義されます。 |
ベースライン（音声録音）および登録後最大12か月後（進行を決定するため）
|
|
認知症サブタイプの分類（AD、VAD、LBD、FTD）
時間枠：ベースライン（音声録音）
|
参加者からのベースライン音声記録を使用して、臨床コンセンサス診断と比較して、感度、特異性、AI予測のAUR-ROCで測定されます。
モデルのパフォーマンスは、学習完了時にデータベースロック後に測定されます。
|
ベースライン（音声録音）
|
|
確立されたバイオマーカーとの比較
時間枠：ベースラインで、またはベースライン後に実行された場合はバイオマーカーテスト時に
|
認知症診断のためのAI予測と最先端のバイオマーカーの診断精度の違い
|
ベースラインで、またはベースライン後に実行された場合はバイオマーカーテスト時に
|
|
特徴の重要性分析
時間枠：ベースライン（音声録音）
|
特徴の重要性は、解釈可能性分析を使用して評価されます（例：
モデルの予測への音響および言語的特徴の寄与を定量化するための、順列の重要性、SHAP値、および/または特徴グループのアブレーション）。
|
ベースライン（音声録音）
|
その他の成果指標
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
最適な精度に必要なタスクの数
時間枠：ベースライン（音声録音）
|
スピーチタスクの削減されたセットが完全なテストバッテリーに匹敵する精度を提供するかどうかの評価。
|
ベースライン（音声録音）
|
|
AIモデルパフォーマンスへの個々の音声タスクの貢献
時間枠：ベースライン（音声録音）
|
個々の音声タスクの貢献は、モデルのパフォーマンスを比較することで評価されます（例：
精度、感度、特異性、AUC-ROC）音声タスクのサブセットで訓練およびテストされた場合（メモリテスト、ストーリーリコール、写真の説明）。
これにより、どのタスクが最も強力な診断信号を提供するかが識別されます。
|
ベースライン（音声録音）
|
協力者と研究者
捜査官
- 主任研究者：Peter Høgh, MD, PhD, Assoc Prof、Zealand University Hospital
出版物と役立つリンク
一般刊行物
- 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.
研究記録日
主要日程の研究
研究開始 (推定)
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
本研究に関する用語
キーワード
追加の関連 MeSH 用語
- シヌクレイノパシー
- 脳血管障害
- 脳疾患
- 中枢神経系疾患
- 神経系疾患
- 血管疾患
- 心血管疾患
- 精神障害
- 病理学的プロセス
- 代謝疾患
- 神経認知障害
- 認知障害
- タウオパシー
- 神経変性疾患
- 運動障害
- パーキンソン病
- 大脳基底核疾患
- TDP-43 タンパク病
- プロテオスタシス欠損症
- 動脈硬化
- 動脈閉塞性疾患
- 白質脳症
- 頭蓋内動脈硬化症
- 頭蓋内動脈疾患
- 前頭側頭葉変性症
- 病理学的状態、徴候および症状
- 栄養および代謝疾患
- 認知機能障害
- アルツハイマー病
- 疾患
- 認知症
- 前頭側頭型認知症
- 認知症、血管
- レビー小体病
- 調査手法
- 標本処理
- 臨床検査技術
- 診断技術と手順
- 診断
- パンク
- 外科的処置、手術
- 遺伝的現象
- 倍数
- 血液標本コレクション
- 二loidy
その他の研究ID番号
- SJ-1107
個々の参加者データ (IPD) の計画
個々の参加者データ (IPD) を共有する予定はありますか?
医薬品およびデバイス情報、研究文書
米国FDA規制医薬品の研究
米国FDA規制機器製品の研究
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。
ミニメンタル州検査の臨床試験
-
University Hospital Center of Martinique終了しましたアルツハイマー病 | 高齢患者 | 認知障害フランス
-
Centre Francois Baclesse完了
-
Chania General Hospital "St. George"University of Thessalyまだ募集していませんうつ | 不安 | 認知機能1、社会 | 満足度、消費者 | 増幅 | 補聴器 | 聞く努力
-
BrainCheck, Inc.わからない認識機能障害 | 認知症 | 軽度認知障害 | 認知機能の低下 | 軽度の外傷性脳損傷 | 脳震盪 | 認知の変化 | 認知の急性変化 | 急性頭部外傷