このページは自動翻訳されたものであり、翻訳の正確性は保証されていません。を参照してください。 英語版 ソーステキスト用。

人工知能を活用したパーキンソン病のためのMDS-UPDRS評価

2026年7月6日 更新者:Hiu Yi Wong、Hong Kong University of Science and Technology

人工知能支援によるパーキンソン病のMDS-UPDRS評価

特発性パーキンソン病(PD)は、運動症状および非運動症状を進行性に引き起こす神経変性疾患です。 世界で2番目に多い神経変性疾患であり、最も一般的な運動障害として、世界中で850万人以上、香港では13,000人に影響を及ぼしています。 PDの最も典型的な症状は、安静時振戦、筋強剛、無動(運動の遅延)、歩行障害です。 その他の症状には、睡眠障害、精神症状、認知障害、自律神経機能障害が含まれます。 その病態生理は、ドーパミン作動性ニューロンの喪失とレビー小体と呼ばれる凝集体の蓄積によって特徴づけられます。

PD関連の運動症状の重症度は、通常、専門医および理学療法士によって、運動障害学会主催の統一パーキンソン病評価尺度第III部(MDS-UPDRS III)の改訂版に基づき、半定量的(「正常」、「軽度」、「中等度」、「重度」)に評価されます。 しかし、MDS-UPDRS IIIは半定量的で主観的であるため、軽度の治療効果を見逃したり、偽陽性の結果をもたらしたりする可能性があります。 さらに、評価には相当な時間と労力を要し、観察者間のばらつきが予想されます。

これらの問題に対処するため、患者評価のためのさまざまな人工知能(AI)技術と遠隔医療アプローチが研究されています。 しかし、これまでの研究では、MDS-UPDRS IIIの指示に従って身体的接触を必要とする、筋強剛と姿勢安定性を評価する項目が組み込まれていませんでした。 Zhuらは、完全なMDS-UPDRS IIIのための運動症状機械評価システムを探求しました。 それにもかかわらず、彼らは深度カメラを使用し、厳密に制御された理想的な実験室環境内でテストを実施しました。 AI支援評価の普及的な実施のためには、RGBカメラがよりアクセスしやすい代替手段となります。

調査の概要

状態

募集

介入・治療

詳細な説明

この研究は、RGBカメラデータを用いたAIベースのMDS-UPDRS III評価システムの開発と検証を目的とした単一施設前向き観察研究です。参加者はクイーン・エリザベス病院の神経内科外来から募集されます。各被験者は、認定された臨床医または理学療法士による標準的なMDS-UPDRS III評価と同期RGB-Dビデオ記録を受けます。ビデオは、MDS-UPDRS IIIスコアを推定するために訓練された深層学習パイプラインを通じて処理されます。

AI生成スコアと臨床医による評価の比較のためにブラインド評価が実施されます。統計分析には、評価者間一致度指標(ICC、コーエンのカッパなど)、変化に対する感度、およびサブグループ分析が含まれます。

研究の種類

観察的

入学 (推定)

500

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。

研究連絡先

  • 名前:Hiu Yi Wong, PhD
  • 電話番号:+852-23587344
  • メール:annawong@ust.hk

研究連絡先のバックアップ

  • 名前:Qian Zhang, PhD
  • 電話番号:+852-23588766
  • メール:qianzh@ust.hk

研究場所

      • Hong Kong、中国
        • まだ募集していません
        • Hong Kong University of Science and Technology
        • 主任研究者:
          • Qian Zhang, PhD
        • コンタクト:
          • Hiu Yi Wong, PhD
          • 電話番号:+852-23587344
          • メール:annawong@ust.hk
        • コンタクト:
          • Qian Zhang, PhD
          • 電話番号:+852-23588766
          • メール:qianzh@ust.hk
      • Hong Kong、香港
        • 募集
        • Queen Elizabeth Hospital
        • コンタクト:

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

  • 大人
  • 高齢者

健康ボランティアの受け入れ

いいえ

サンプリング方法

確率サンプル

調査対象母集団

パーキンソン病の患者

説明

包含基準:

  1. 年齢≥18歳
  2. 運動障害学会パーキンソン病臨床診断基準(MDS-PD基準)[12]で定義される「臨床的に確立されたPD」の診断
  3. インフォームドコンセントを提供可能で、ビデオ録画されたMDS-UPDRSパートIII評価への参加に同意する意思がある
  4. ビデオベースの運動評価を妨げる重大な視覚、聴覚、または筋骨格系の障害がない

除外基準:

  1. 研究目的でのビデオ録画への同意がない
  2. 神経発達障害、PD以外の神経変性疾患、中枢神経感染症、神経炎症性疾患(例:多発性硬化症、中枢神経ループス)、過去10年以内の悪性腫瘍、脳血管障害、HIV感染、全身性自己免疫疾患、アルコール依存症またはその他の物質使用の既往歴

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

コホートと介入

グループ/コホート
介入・治療
PD群
パーキンソン病患者
臨床プロファイル、MDS-UPDRS III、ビデオ記録

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
AIベースの運動機能評価ツール
時間枠:ベースラインから3年後
MDS-UPDRS IIIの運動症状(筋固縮や姿勢安定性を含む)を信頼性の高い客観的な評価で測定する、RGB映像を利用したAIベースの運動評価ツール。
ベースラインから3年後
RGBカメラベースの評価を実施する実現可能性
時間枠:3年
RGBカメラベースの評価を日常的な臨床現場に導入する実現可能性は、AIシステムがRGBビデオに基づいて推定MDS-UPDRS Part III総合スコアを生成でき、それを臨床医による評価MDS-UPDRS Part IIIスコアと直接比較可能な評価の割合によって評価される。 患者は医師の指導の下で標準化された運動課題を行い、その間スマートフォンを用いてRGBビデオが記録される。 臨床医による評価MDS-UPDRS Part IIIスコアはグラウンドトゥルースとして使用される。 実現可能性のアウトカムは、3年間の研究期間中に有効なAI生成スコアが得られた評価の割合(%)として報告される。
3年

二次結果の測定

結果測定
メジャーの説明
時間枠
システムの有効性
時間枠:3年
システムの有効性は、AIが予測したMDS-UPDRS第III部スコアと臨床医が評価したスコアの一致度によって評価されます。 患者が医師の監督下で標準化された運動課題を実施する間、スマートフォンを使用してRGBビデオが記録されます。 臨床医が評価したMDS-UPDRS第III部スコアは、グラウンドトゥルースとして使用されます。 AIシステムは、予測されたMDS-UPDRS第III部総合スコア(範囲0〜108、スコアが高いほど運動障害が重度であることを示す)を生成します。 システムの有効性は、F1スコア、予測スコアと臨床医評価スコアの相関、および事前に定義されたスコア閾値に基づく臨床的に有意な運動障害の検出における感度と特異度を使用して評価されます。 有効性の結果は、3年間の研究期間にわたって報告されます。
3年
患者と臨床医の満足度
時間枠:ベースラインから3年間
AI支援評価システムに対する患者満足度は、RGBカメラベースの運動課題完了後に実施する研究専用の質問票を用いて評価されます。
質問項目はリッカート尺度で評価され、高いスコアはより大きな満足度を示します。
AI支援評価システムに対する臨床医評価は、システムの知覚された信頼性、知覚された有効性、および全体的な満足度を評価する研究専用の質問票を用いて評価されます。
質問項目はリッカート尺度で評価され、高いスコアはより肯定的な評価を示します。
患者および臨床医評価の結果は、研究期間中の平均 ± 標準偏差として報告されます。
ベースラインから3年間
システムの性能
時間枠:ベースラインから3年間
システム性能は、臨床医評価スコアと比較したAI予測MDS-UPDRS Part III総合スコアの精度および平均絶対誤差(MAE)によって測定されます。 患者は医師の監督下で標準化された運動課題を実施し、スマートフォンを使用してRGBビデオを記録します。 臨床医評価MDS-UPDRS Part IIIスコアはグランドトゥルースとして使用されます。 システム性能はAI予測の精度およびMAEとして定義されます。 パフォーマンスアウトカムは研究期間を通じて要約されます。
ベースラインから3年間

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:Qian Zhang, PhD、Hong Kong University of Science and Technology

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

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)

2026年6月1日

一次修了 (推定)

2029年2月28日

研究の完了 (推定)

2029年2月28日

試験登録日

最初に提出

2026年1月13日

QC基準を満たした最初の提出物

2026年1月26日

最初の投稿 (実際)

2026年2月2日

学習記録の更新

投稿された最後の更新 (実際)

2026年7月8日

QC基準を満たした最後の更新が送信されました

2026年7月6日

最終確認日

2026年1月1日

詳しくは

本研究に関する用語

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?

いいえ

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

いいえ

米国FDA規制機器製品の研究

いいえ

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。

購読する