Adaptive Recruitment Curve Analysis Using Bayesian Modeling
2026年8月12日 更新者：James McIntosh、Columbia University
Enhancing Speed and Accuracy of Motor Evoked Potential Recruitment Curve Analysis Using Hierarchical Bayesian Modeling
The purpose of this study is to better understand how electrical or magnetic stimulation affect the nervous system by optimizing the way researchers measure muscle responses. The relationship between stimulation intensity and muscle response is described by "neural recruitment curves," which are critical for monitoring the state of the nervous system during therapies like transcranial magnetic stimulation (TMS) and spinal cord stimulation (SCS).
This study tests a new, real-time computational approach based on our previously developed methods (Hierarchical Bayesian models) to estimate these recruitment curves more efficiently. The primary goal is to use this model to dynamically guide the experiment, automatically selecting the optimal stimulation intensities to test.
The investigators hypothesize that this optimized approach will accurately estimate the entire recruitment curve, or specific targets components of it like the motor threshold, using significantly fewer samples than standard methods. By reducing the number of measurements required, this approach aims to decrease experimental time and minimize participant burden, making future TMS and SCS therapies and experiments more feasible and efficient.
調査の概要
状態
募集
詳細な説明
Transcranial magnetic stimulation and other types of neurostimulation play a crucial role in advancing the understanding and manipulation of neural activity for both research and therapeutic purposes.
The proposed approach to sampling recruitment curves in real-time promises to significantly improve the efficiency and precision of experiments that use electrical or electromagnetic stimulation techniques, reducing the experimental burden for participants as well as experimenters.
By enhancing experimental efficiency in multiple experimental settings and techniques, this research directly contributes to accelerating the translation of scientific discoveries into clinical applications.
This study will benchmark the relative performance of different methods against each other by testing existing and proposed algorithms using neurostimulation in people, and comparing the resultant estimates in recruitment curve parameters, and the number of samples required to reach predefined tolerances on these parameters.
研究の種類
介入
入学 (推定)
14
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。
研究連絡先
- 名前：James R McIntosh, PhD
- 電話番号：+19294352335
- メール：jrm2263@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：
- James R McIntosh, PhD
- 電話番号：9294352335
- メール：jrm2263@cumc.columbia.edu
-
主任研究者：
- James R McIntosh, PhD
-
-
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
はい
説明
Inclusion Criteria:
- Healthy adult volunteers aged 18 years and older.
- Able to understand study procedures and provide written informed consent.
Exclusion Criteria:
- 1. History of adverse reaction to Transcranial Magnetic Stimulation (TMS) or non-invasive neurostimulation.
- 2. History of seizures, epilepsy, or family history of epilepsy.
- 3. History of stroke, brain injury, or illness causing brain injury.
- 4. History of head injury or neurosurgery.
- 5. History of neurological diseases, or central nervous system lesions.
- 6. Presence of metallic implants or foreign bodies in the head (outside of dental work/fillings).
- 7. Presence of implanted electronic or medical devices (e.g., cardiac pacemakers, medical pumps, implanted stimulators).
- 8. Current pregnancy or possibility of pregnancy.
- 9. Currently taking medications that alter cortical excitability or lower seizure threshold.
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：基礎科学
- 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 |
|---|---|
|
実験的：Test of developed methods
Participants undergo distinct experiments within a single session to compare different neurostimulation sampling algorithms.
Each experiment involves recruitment curve sampling with different methods (e.g., Uniform, Expected Information Gain) to evaluate the accuracy and efficiency of motor threshold.
|
Standard uniform distribution sampling used as a baseline comparison.
Algorithm: Adaptive threshold hunting using the Parameter Estimation by Sequential Testing (PEST) algorithm.
The proposed algorithms will deliver stimulation by using this magnetic stimulation methodology.
The proposed algorithms will deliver stimulation by using this electrical stimulation methodology.
An active sampling algorithm for recruitment curve estimation.
An alternative active sampling algorithm for recruitment curve estimation.
|
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 |
|---|---|---|
|
Number of stimuli to reach a pre-defined threshold error
時間枠：Through completion of the study visit, 2-4 hours.
|
Number of stimuli required for the compared methods to reach a pre-defined error threshold relative to the ground truth, computed from recruitment curves fitted after sampling using aggregated data.
|
Through completion of the study visit, 2-4 hours.
|
|
Number of stimuli to reach a pre-defined predictive curve error
時間枠：Through completion of the study visit, 2-4 hours.
|
Number of stimuli required for the compared methods to reach a pre-defined error threshold relative to the ground truth, computed from recruitment curves fitted after sampling using aggregated data.
|
Through completion of the study visit, 2-4 hours.
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
Mean absolute error in a given parameter (e.g. threshold, predictive curve, slope) for a given number of stimuli
時間枠：Through completion of the study visit, 2-4 hours.
|
The error of the methods under comparison, with the ground truth computed from recruitment curves fitted subsequent to sampling using aggregated data.
|
Through completion of the study visit, 2-4 hours.
|
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。
スポンサー
捜査官
- 主任研究者：James R McIntosh, PhD、Columbia University
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。
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 (推定)
2026年9月1日
一次修了 (推定)
2027年3月31日
研究の完了 (推定)
2027年3月31日
試験登録日
最初に提出
2026年4月20日
QC基準を満たした最初の提出物
2026年4月24日
最初の投稿 (実際)
2026年5月1日
学習記録の更新
投稿された最後の更新 (実際)
2026年8月14日
QC基準を満たした最後の更新が送信されました
2026年8月12日
最終確認日
2026年8月1日
詳しくは
本研究に関する用語
その他の研究ID番号
- AAAV6853
- 1R03NS141040-01A1 (米国 NIH グラント/契約)
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?
はい
IPD プランの説明
De-identified MEP data and analysis code and algorithms.
IPD 共有時間枠
Together with publication at the end of this study (04/2027).
IPD 共有アクセス基準
Open access repository (e.g.
Zenodo and Github).
IPD 共有サポート情報タイプ
- ANALYTIC_CODE
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
はい
米国で製造され、米国から輸出された製品。
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。