Spraakgebaseerde kunstmatige intelligentie voor detectie van dementie bij Deense patiënten (DetectAI)
Ontwikkeling en validatie van niet-invasieve Deense taal- en spraakbiomarkers voor classificatie van neurodegeneratieve ziekten door middel van automatische spraakherkenning met kunstmatige intelligentie (Detectai)
Het doel van dit observationele onderzoek is het ontwikkelen en testen van een kunstmatige intelligentie (AI) -model dat tekenen van dementie en gerelateerde omstandigheden uit spraakopnamen kan detecteren. De belangrijkste vraag is of een spraakgebaseerd AI-model mensen met een normaal geheugen en het denken van mensen met cognitieve stoornissen correct kan vertellen.
De studie zal ook onderzoeken of de AI dementie kan onderscheiden van depressie, verschillende dementie -subtypen kan scheiden en identificeert welke mensen met milde cognitieve stoornissen (MCI) waarschijnlijk dementie zullen ontwikkelen.
Deelnemers zullen kort geheugen- en spraaktaken voltooien terwijl ze worden opgenomen. Het AI -model zal deze opnames analyseren om patronen te leren die zijn gekoppeld aan verschillende diagnoses. Aan het einde van het onderzoek zal de nauwkeurigheid ervan worden getest op nieuwe deelnemers.
Studie Overzicht
Toestand
Toestand
Conditie
Conditie
Interventie / Behandeling
Interventie / Behandeling
- Diagnostische toets: Mini-mentaal staatsexamen
- Diagnostische toets: Addenbrooke's cognitieve onderzoek
- Ander: Speech Task - Picture Description
- Ander: Speech Task - Picture Recall
- Diagnostische toets: MRI
- Diagnostische toets: blood sampling
- Diagnostische toets: Depression screening
- Ander: Somatic- and neurological examination
- Ander: Speech Task - Picture Narrative
Gedetailleerde beschrijving
Achtergronddementie is een groeiende uitdaging voor de volksgezondheid, en vroege en nauwkeurige diagnose is essentieel voor effectieve zorg en potentiële toekomstige ziektemodificerende behandelingen. Huidige diagnostische paden zijn middelenintensief en geassocieerd met lange wachttijden. Spraak weerspiegelt cognitief functioneren en recente internationale studies hebben aangetoond dat AI dementie-gerelateerde patronen kan detecteren in spraakopnamen met veelbelovende nauwkeurigheid. Deze studie heeft als doel een spraakgebaseerd AI-model te ontwikkelen en te valideren in een Deense setting, waardoor een niet-invasief en schaalbaar screeningstool biedt voor gebruik in de eerstelijnszorg.
Fasen één Dit protocol beschrijft de eerste fase van onze studie die naar verwachting in twee afzonderlijke fasen zal worden voltooid.
In fase één proberen we een AI -model te trainen om spraakgegevens van deelnemers met cognitieve stoornissen te analyseren en te vergelijken met spraakgegevens van gezonde controle -deelnemers, zoals gedetailleerd wordt gedetailleerd door dit protocol. Als de methode is gevalideerd, blijven we fase twee.
Toekomstig werk in fase twee verwachten we een externe validatie uit te voeren. De AI -modelanalyse zal worden uitgevoerd op 200 deelnemers in de eerstelijnszorgsector die wordt verwezen voor dementie -evaluatie. De resultaten van de AI -analyse zullen worden vergeleken met de uiteindelijke consensusdiagnose van de gouden standaard.
Fase twee zal een apart protocol hebben dat zal worden opgewerkt op basis van de resultaten van fase één.
Uitwerking van tijdperspectief Anders: hybride ontwerp. De meeste deelnemers worden opgenomen in een cross-sectioneel case-control onderzoek (enkele spraakopname). Voor deelnemers met MCI zullen vervolggegevens worden verzameld binnen de studieperiode om de progressie naar dementie te beoordelen, waardoor het vermogen van het model om progressief te onderscheiden van niet-progressieve MCI te onderscheiden.
Studietype
Studietype
Inschrijving (Geschat)
Inschrijving
Contacten en locaties
Studiecontact
Studiecontact
- Naam: Sofie J Vængebjerg, MD
- Telefoonnummer: +4530294621
- E-mail: sova@regsj.dk
Studie Contact Back-up
- Naam: Peter Høgh, MD, PhD, Assoc Prof
- Telefoonnummer: +45 22526698
- E-mail: phh@regionsjaelland.dk
Studie Locaties
-
-
Region Sjælland
-
Roskilde, Region Sjælland, Denemarken, 4000
- Zealand University Hospital
-
Contact:
- Sofie J Vængebjerg, MD, PhD student
- Telefoonnummer: +45 30294621
- E-mail: sova@regsj.dk
-
Contact:
- Peter Høgh, MD, PhD, Assoc Prof
- E-mail: phh@regionsjaelland.dk
-
-
Deelname Criteria
Geschiktheidscriteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
- Volwassen
- Oudere volwassene
Accepteert gezonde vrijwilligers
Bemonsteringsmethode
Studie Bevolking
Beschrijving
Inclusiecriteria:
- Leeftijd> 50 jaar
- Vloeiend het Deens
- Minimaal 7 jaar scholing
Voor deelnemers van het vervolgcohort:
- Een consensusdiagnose van AD, VAD, LBD, FTD, MCI of depressie die binnen 6 maanden voorafgaand aan de inschrijving in de geheugenkliniek is vastgesteld,
Voor deelnemers van het Healthy Control Cohort:
- Geen bekende cognitieve stoornissen of affectieve stoornis
Uitsluitingscriteria:
- Aanzienlijk verminderde visie of hoorzitting (voor zover de deelnemer niet kan deelnemen aan de taalkundige AI -analyse)
- Deelnemers kunnen niet toestemming geven
Deelnemers van follow-up en nieuw verwijzingen cohort:
- MMSE -score <16
- Deelnemers met meerdere diagnoses (bijv. gemengde dementie of advertentie met gelijktijdige depressie)
Voor deelnemers van het nieuwe verwijzingen cohort:
- Deelnemers vallen buiten de zes categorieën die in de studie zijn opgenomen (AD, VAD, LBD, FTD, MCI, depressie)
- Deelnemers waar het bij aanvang duidelijk is dat ze niet binnen de bovenstaande categorieën vallen (kunnen worden uitgesloten voordat de diagnose van de klinische consensus wordt gegeven)
Voor deelnemers van het Healthy Control Cohort:
- Mmse <26 en aas <90
- GDS -score die depressie aangeeft (6 of hoger)
- Klinische, laboratorium- of neuroradiologische bevindingen die de cognitieve functies kunnen beïnvloeden
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
Aantal groepen / cohorten
Cohorten en interventies
Groep / CohortGroep / Cohort |
Interventie / BehandelingInterventie / Behandeling |
|---|---|
|
Cognitively Healthy Control Participants for Model A
We seek to enroll 40 age-matched cognitively healthy control participants for the training of model A.
|
Deelnemers worden tijdens de test opgenomen om de AI toe te staan om spraakpatronen te leren en te analyseren.
Andere namen:
Deelnemers worden tijdens de test opgenomen om de AI toe te staan om spraakpatronen te leren en te analyseren.
Andere namen:
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.
|
Deelnemers worden tijdens de test opgenomen om de AI toe te staan om spraakpatronen te leren en te analyseren.
Andere namen:
Deelnemers worden tijdens de test opgenomen om de AI toe te staan om spraakpatronen te leren en te analyseren.
Andere namen:
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.
|
Deelnemers worden tijdens de test opgenomen om de AI toe te staan om spraakpatronen te leren en te analyseren.
Andere namen:
Deelnemers worden tijdens de test opgenomen om de AI toe te staan om spraakpatronen te leren en te analyseren.
Andere namen:
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
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
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.
Tijdsspanne: 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)
|
Secundaire uitkomstmaten
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Nauwkeurigheid voor dementie versus depressie
Tijdsspanne: Bij aanvang (spraakopname)
|
Gemeten door gevoeligheid, specificiteit, AUR-ROC van AI-voorspellingen in vergelijking met klinische consensusdiagnose, met behulp van baseline spraakopnamen van deelnemers.
Modelprestaties worden gemeten na database -vergrendeling bij voltooiing van de studie.
|
Bij aanvang (spraakopname)
|
|
Subclassificatie van milde cognitieve stoornissen (MCI) in progressief versus niet-progressief
Tijdsspanne: Bij aanvang (spraakopname) en maximaal 12 maanden na de inschrijving (om de progressie te bepalen)
|
Gemeten door gevoeligheid, specificiteit, AUR-ROC van AI-voorspellingen in vergelijking met klinische consensusdiagnose, met behulp van baseline spraakopnamen van deelnemers. Modelprestaties worden gemeten na database -vergrendeling bij voltooiing van de studie. Progressie wordt gedefinieerd als nieuwe diagnose van dementie tijdens de studieperiode. |
Bij aanvang (spraakopname) en maximaal 12 maanden na de inschrijving (om de progressie te bepalen)
|
|
Classificatie van dementie -subtypen (AD, VAD, LBD, FTD)
Tijdsspanne: Bij aanvang (spraakopname)
|
Gemeten door gevoeligheid, specificiteit, AUR-ROC van AI-voorspellingen in vergelijking met klinische consensusdiagnose, met behulp van baseline spraakopnamen van deelnemers.
Modelprestaties worden gemeten na database -vergrendeling bij voltooiing van de studie.
|
Bij aanvang (spraakopname)
|
|
Vergelijking met gevestigde biomarkers
Tijdsspanne: Bij aanvang, of op het moment van biomarker -testen indien uitgevoerd na basislijn
|
Verschillen in diagnostische nauwkeurigheid tussen AI-voorspellingen en state-of-the-art biomarkers voor dementie-diagnose
|
Bij aanvang, of op het moment van biomarker -testen indien uitgevoerd na basislijn
|
|
Functie -belanganalyse
Tijdsspanne: Bij aanvang (spraakopname)
|
Het belang van functies zal worden geëvalueerd met behulp van interpreteerbaarheidsanalyses (bijv.
Belutatie -belang, SHAP -waarden en/of ablatie van kenmerkgroepen) om de bijdrage van akoestische en taalkundige kenmerken aan de voorspellingen van het model te kwantificeren.
|
Bij aanvang (spraakopname)
|
Andere uitkomstmaten
Andere uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Aantal taken dat nodig is voor optimale nauwkeurigheid
Tijdsspanne: Bij aanvang (spraakopname)
|
Evaluatie van of een verminderde set spraaktaken nauwkeurigheid bieden die vergelijkbaar is met de volledige testbatterij.
|
Bij aanvang (spraakopname)
|
|
Bijdrage van individuele spraaktaken aan AI -modelprestaties
Tijdsspanne: Bij aanvang (spraakopname)
|
De bijdrage van individuele spraaktaken zal worden geëvalueerd door modelprestaties te vergelijken (bijv.
nauwkeurigheid, gevoeligheid, specificiteit, AUC-ROC) wanneer getraind en getest op subsets van spraaktaken (geheugentests, terughalen van verhalen, beschrijving van afbeeldingen).
Hierdoor wordt geïdentificeerd welke taken het sterkste diagnostische signaal opleveren.
|
Bij aanvang (spraakopname)
|
Medewerkers en onderzoekers
Sponsor
Sponsor
Medewerkers
Medewerkers
Onderzoekers
Onderzoekers
- Hoofdonderzoeker: Peter Høgh, MD, PhD, Assoc Prof, Zealand University Hospital
Publicaties en nuttige links
Algemene publicaties
- 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.
Studie record data
Bestudeer belangrijke data
Studie start (Geschat)
Studie start
Primaire voltooiing (Geschat)
Primaire voltooiing
Studie voltooiing (Geschat)
Studie voltooiing
Studieregistratiedata
Eerst ingediend
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Werkelijk)
Eerst geplaatst
Updates van studierecords
Laatste update geplaatst (Werkelijk)
Laatste update geplaatst
Laatste update ingediend die voldeed aan QC-criteria
Laatste update ingediend die voldeed aan QC-criteria
Laatst geverifieerd
Laatst geverifieerd
Meer informatie
Termen gerelateerd aan deze studie
Trefwoorden
- machinaal leren
- Dementie
- Cognitieve beperking
- spanning
- kunstmatige intelligentie
- diep leren
- Milde cognitieve stoornis (MCI)
- Frontotemporale dementie (FTD)
- Lewy Body Dementia (LBD)
- Spraakgebaseerde kunstmatige intelligentie
- Kunstmatige intelligentie in diagnostiek van dementie
- Kunstmatige intelligentie voor dementie -screening
- Kunstmatige intelligentie voor dementieclassificatie
- Spraakgebaseerde kunstmatige intelligentie
- Vasculaire dementie (VAD)
- Alzheimer dementie (AD)
- Depressie - ernstige depressieve stoornis
- Dementie (diagnose)
Aanvullende relevante MeSH-voorwaarden
- Synucleïnopathieën
- Cerebrovasculaire aandoeningen
- Hersenziekten
- Ziekten van het centrale zenuwstelsel
- Ziekten van het zenuwstelsel
- Vaatziekten
- Hart-en vaatziekten
- Psychische aandoening
- Pathologische processen
- Metabole ziekten
- Neurocognitieve stoornissen
- Cognitieve stoornissen
- Tauopathieën
- Neurodegeneratieve ziekten
- Bewegingsstoornissen
- Parkinson-stoornissen
- Basale ganglia-ziekten
- TDP-43 Proteïnopathieën
- Proteostase-tekortkomingen
- Arteriosclerose
- Arteriële occlusieve ziekten
- Leuko-encefalopathieën
- Intracraniële arteriosclerose
- Intracraniële arteriële aandoeningen
- Frontotemporale lobaire degeneratie
- Pathologische aandoeningen, tekenen en symptomen
- Voedings- en stofwisselingsziekten
- Cognitieve disfunctie
- Ziekte van Alzheimer
- Ziekte
- Dementie
- Frontotemporale dementie
- Dementie, vasculair
- Ziekte van Lewy Body
- Onderzoekstechnieken
- Exemplaarbehandeling
- Klinische laboratoriumtechnieken
- Diagnostische technieken en procedures
- Diagnose
- Buren
- Chirurgische procedures, operatief
- Genetische fenomenen
- Plooi
- Bloedspecimenverzameling
- Diploïdy
Andere studie-ID-nummers
Andere studie-ID-nummers
- SJ-1107
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .