Modellering van de faryngeale laryngeale effectiviteit (Eph-L)

Het slikproces is complex en moeilijk te beoordelen vanwege het dynamische karakter ervan, het gebrek aan specialisten en de technische middelen die nodig zijn voor de verkenning ervan. De meerderheid van de patiënten met slikstoornissen heeft dus geen baat bij een specifieke instrumentele evaluatie, die toch essentieel is voor de diagnose van verschillende soorten stoornissen. De nauwkeurige analyse van het tekort en de oorzaken ervan maakt het mogelijk om de keuze van aanpassings- of revalidatiestrategieën te sturen, met als doel het risico op complicaties te voorkomen, vooral op het gebied van voeding (ondervoeding) en ademhalingsproblemen (longontsteking). De ontwikkeling van nieuwe, meer toegankelijke diagnostische technieken zou de toegang tot zorg voor deze populatie verbeteren. Het doel van deze studie is om de signalen van faryngeale larynxactiviteit te verzamelen via vijf niet-invasieve sensoren (microfoon, versnellingsmeter, oppervlakte-EMG, neuscanule en oximeter) om indicatoren te identificeren voor de functionele efficiëntie van het slikken, de bescherming van de lagere luchtwegen en de fonatie. Het modelleren van de mechanismen van faryngeale-laryngeale werkzaamheid door het gebruik van kunstmatige intelligentie zou een geautomatiseerde beoordeling van aandoeningen en prognostisch risico op complicaties opleveren.

Primaire doelstelling: Op basis van de signalen van 5 niet-invasieve sensoren een multidimensionale schaal van farynx-larynx-efficiëntie modelleren, waarbij de 3 hoofdfuncties van farynx-larynx worden gemeten: slikfunctie (geëvalueerd door farynxtransport en sluiting van het strottenhoofd); luchtwegbeschermingsfunctie (geëvalueerd aan de hand van hoestreflex en hoestkracht); fonatiefunctie (geëvalueerd door stem- en velaire efficiëntie)

Secundaire doelstellingen:

• Ontwikkel een diagnostisch model van verschillende fysiopathologische mechanismen van slikken
• Bepaal een algoritme dat de ernst van deze aandoeningen kan voorspellen op basis van faryngeale werkzaamheidsindicatoren
• Een algoritme bepalen dat het risico op complicaties door slikstoornissen kan voorspellen, gebaseerd op het modelleren van de faryngeale effectiviteit (primaire doelstelling) en klinische gegevens

Studieontwerp: Een interventioneel onderzoek waarbij de prospectieve, multicentrische en longitudinale menselijke persoon betrokken is om een ​​schaal van faryngeale-laryngeale effectiviteit te ontwikkelen, gemeten aan de hand van signalen van 5 niet-invasieve sensoren. De signalen worden van elke deelnemer verzameld met behulp van de sensoren (microfoon, versnellingsmeter, neuscanule, oppervlakte-EMG en oximeter). Op basis van deze signalen zullen algoritmen worden ontwikkeld om verschillende indicatoren van faryngeale-laryngeale efficiëntie te voorspellen, gemeten door basistests. De onderzoekspopulatie zal bestaan ​​uit patiënten met slikstoornissen (om pathologische signaalpatronen te identificeren) en gezonde vrijwilligers (om niet-pathologische fysiologische patronen van slikmechanismen te identificeren).

Voor het onderzoek zullen 440 patiënten (proefpersonen met slikstoornissen), verdeeld over 4 centra en 80 gezonde proefpersonen, verdeeld over 2 centra, worden gerekruteerd.

Onderzoeksprocedures

Voor patiënten met slikstoornissen:

Patiënten die aan de criteria voldoen, krijgen tijdens een ziekenhuisbezoek als onderdeel van hun zorgtraject de mogelijkheid om deel te nemen aan het onderzoeksprotocol. De proefpersonen die schriftelijk toestemming hebben gegeven, voeren vervolgens hun beoordeling van het slikken uit volgens het beschikbare referentieonderzoek (videofluoroscopie of nasofibroscopie). Tegelijkertijd zullen ze de volgende sensoren dragen: microfoon, versnellingsmeter, oppervlakte-elektromyografie, neuscanule en pulsoximeter. Voor onderzoeksdoeleinden zullen de proefpersonen ook een hoest- en fonatietest en vragenlijsten uitvoeren. Andere gebruikte gegevens worden verzameld als onderdeel van de routinematige zorg.

Aan het einde van het onderzoek ontvangt de patiënt behandeladvies op basis van de referentieonderzoeken en zijn medisch dossier.

Elke proefpersoon (of zijn verzorger) zal gedurende 6 maanden één keer per maand telefonisch gecontacteerd worden om het optreden van complicaties te monitoren. Het einde van het studiebezoek na 6 maanden zal ofwel in het ziekenhuis plaatsvinden met een nieuw onderzoek van het slikken, ofwel telefonisch , zoals medisch geïndiceerd.

Voor gezonde vrijwilligers:

Er is slechts één bezoek gepland voor de evaluatie van het slikken met het onderzoek van nasofibroscopie en de installatie van de sensoren. De procedures (testen, onderzoeken en vragenlijsten) zullen identiek zijn aan de gegevensverzameling bij het eerste bezoek van patiënten met slikstoornissen)

Duur van het onderzoek: Vanaf 2023 wordt de eerste patiënt geïncludeerd. De inclusieperiode bedraagt ​​18 maanden. Patiënten worden na opname gedurende 6 maanden (+/- 2 maanden) gevolgd. Gezonde vrijwilligers krijgen één bezoek (geschatte tijd: 2 uur). De totale duur van het klinische onderzoek zal naar verwachting 26 maanden bedragen

Gegevensanalyse: De kenmerken van de proefpersonen, evenals de verschillende klinische indicatoren van slikken en hun evolutie tijdens monitoring zullen worden beschreven. Ontwikkelings- en validatie-algoritmen om de verschillende faryngo-laryngeale effectiviteitsindicatoren en voorspellende algoritmen voor slikstoornissen te modelleren zullen worden geproduceerd met behulp van statistische benaderingen en ook met behulp van machinaal leren. De signalen verkregen van de 5 sensoren worden geannoteerd. De signalen zullen worden gestandaardiseerd en gesynchroniseerd om de modellering van de sequenties mogelijk te maken die overeenkomen met de volgende gebeurtenissen: slikken van voedsel, speeksel, hoesten, keelschrapen, spraak, natte stem. Stochastische modellering op basis van verborgen Markov-modellen zal in eerste instantie worden gebruikt, gevolgd door de implementatie van diepe neurale netwerken om indicatoren te modelleren. Voor het voorspellingsalgoritme van de complicatie zullen ook diepe neurale netwerken worden gebruikt om signaalgebaseerde methoden te evalueren.