Deze pagina is automatisch vertaald en de nauwkeurigheid van de vertaling kan niet worden gegarandeerd. Raadpleeg de Engelse versie voor een brontekst.

Detectie van geestelijke gezondheids-, intellectuele en neurologische ontwikkelingsstoornissen met modellen voor kunstmatige intelligentie (MINDAIM)

26 augustus 2025 bijgewerkt door: Psyrin Inc.

Geestelijke gezondheid, intellectuele en neurologische aandoening detectie met kunstmatige intelligentiemodellen: testen van spraakgebaseerde machine learning-algoritmen voor klinische beoordeling en risicostratificatie bij de presentaties van de geestelijke gezondheidszorg

This study investigates whether AI-driven analysis of speech can accurately predict clinical diagnoses and assess risk for various mental or behavioral health conditions, including attention-deficit/hyperactivity disorder (ADHD), autism spectrum disorder, bipolar disorder, generalized anxiety disorder, major depressive Stoornis, obsessieve compulsieve stoornis (OCD), posttraumatische stressstoornis (PTSS) en schizofrenie. We streven ernaar om hulpmiddelen te ontwikkelen die clinici kunnen ondersteunen bij het stellen van nauwkeuriger en efficiënte diagnoses.

Studie Overzicht

Toestand

Aanmelden op uitnodiging

Conditie

Interventie / Behandeling

Studietype

Observationeel

Inschrijving (Geschat)

500

Contacten en locaties

In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.

Studie Locaties

  • Verenigde Staten
    • Massachusetts
      • Brookline, Massachusetts, Verenigde Staten, 02445
        • The Brookline Center
    • Ohio
      • Zanesville, Ohio, Verenigde Staten, 43701
        • Allwell Behavioral Health Services

Deelname Criteria

Onderzoekers zoeken naar mensen die aan een bepaalde beschrijving voldoen, de zogenaamde geschiktheidscriteria. Enkele voorbeelden van deze criteria zijn iemands algemene gezondheidstoestand of eerdere behandelingen.

Geschiktheidscriteria

Leeftijden die in aanmerking komen voor studie

  • Kind
  • Volwassen

Accepteert gezonde vrijwilligers

Nee

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

Het MIND AIM-onderzoek heeft tot doel een diverse en representatieve steekproef te rekruteren van individuen die op zoek zijn naar beoordelingen van de geestelijke gezondheid in verschillende klinische omgevingen. Deze brede inclusiecriteria zorgen voor een hoge ecologische validiteit, waarbij het brede scala aan presentaties en comorbiditeiten wordt vastgelegd die vaak voorkomen in de praktijk van de geestelijke gezondheidszorg.

Beschrijving

Inclusiecriteria

  1. Deelnemers tussen de 16 en 60 jaar.
  2. Personen die momenteel ondergaan of verwezen zijn voor klinische beoordeling van mentale of gedragsmatige gezondheidsproblemen (inclusief maar niet beperkt tot ADHD, ASD, BPAD, GAD, MDD, OCD, PTSS, SSD)
  3. Vloeiend Engels
  4. In staat om geïnformeerde toestemming te geven, of, in het geval van minderjarigen, een ouder of wettelijke voogd te hebben die namens hen toestemming kan geven.
  5. Toegang tot een apparaat (smartphone, tablet of computer) met microfoon en stabiele internetverbinding, noodzakelijk voor het uitvoeren van de spraaktaken.

Uitsluitingscriteria

  1. Individuen die een acute geestelijke gezondheidscrisis ervaren of ernstige symptomen ervaren die zinvolle deelname aan het onderzoek uitsluiten, inclusief acute intoxicatie.
  2. Ernstige cognitieve stoornissen of verstandelijke beperkingen die het begrip van de studieprocedures of de voltooiing van de spraaktaken belemmeren.
  3. Gebrek aan vloeiendheid in het Engels.
  4. Technische beperkingen: onvermogen om toegang te krijgen tot een geschikt apparaat of internetverbinding voor het voltooien van de spraaktaken

Studie plan

Dit gedeelte bevat details van het studieplan, inclusief hoe de studie is opgezet en wat de studie meet.

Hoe is de studie opgezet?

Ontwerpdetails

Cohorten en interventies

Groep / Cohort
Interventie / Behandeling
Zoeken (elke geestelijke gezondheidsstoornis)
Elke deelnemer die deelnam aan het onderzoek en geen deel uitmaakt van de aanvullende analysegroep.
Diagnostische toets: Solicue Machine Learning-modellen

Een uitgebreid hulpmiddel voor machinaal leren gericht op het geven van waarschijnlijkheidsschattingen voor verschillende compatibele stoornissen, waaronder Attention Deficit Hyperactivity Disorder (ADHD), Autism Spectrum Disorder (ASS), Bipolar Affective Disorder (BPAD), Generalized Anxiety Disorder (GAD), Major Depressive Disorder ( MDD), obsessieve-compulsieve stoornis (OCD), posttraumatische stressstoornis (PTSD) en schizofreniespectrumstoornissen (SSD). Door een multidiagnostische beoordeling aan te bieden op basis van spraakanalyse, wil Solicue artsen helpen bij het navigeren door deze complexiteit en mogelijk bij het identificeren van aandoeningen die anders bij de eerste beoordelingen over het hoofd zouden worden gezien.

Solicue maakt gebruik van machine learning om een ​​breed scala aan klinisch relevante spraakkenmerken te analyseren, waaronder taalkundige inhoud, prosodische elementen (zoals toonhoogte, ritme en intonatie) en andere paralinguïstische kenmerken.

Andere namen:
  • Oplossing
  • Psyrine-spraakanalyse
  • Oplossing voor kunstmatige intelligentie
Solicue & Mercuria (bipolaire stoornis en depressieve stoornis)
Elke deelnemer die aan het onderzoek deelnam en depressieve symptomen vertoonde, gemeten aan de hand van de PHQ-9-score.
Diagnostische toets: Solicue Machine Learning-modellen

Een uitgebreid hulpmiddel voor machinaal leren gericht op het geven van waarschijnlijkheidsschattingen voor verschillende compatibele stoornissen, waaronder Attention Deficit Hyperactivity Disorder (ADHD), Autism Spectrum Disorder (ASS), Bipolar Affective Disorder (BPAD), Generalized Anxiety Disorder (GAD), Major Depressive Disorder ( MDD), obsessieve-compulsieve stoornis (OCD), posttraumatische stressstoornis (PTSD) en schizofreniespectrumstoornissen (SSD). Door een multidiagnostische beoordeling aan te bieden op basis van spraakanalyse, wil Solicue artsen helpen bij het navigeren door deze complexiteit en mogelijk bij het identificeren van aandoeningen die anders bij de eerste beoordelingen over het hoofd zouden worden gezien.

Solicue maakt gebruik van machine learning om een ​​breed scala aan klinisch relevante spraakkenmerken te analyseren, waaronder taalkundige inhoud, prosodische elementen (zoals toonhoogte, ritme en intonatie) en andere paralinguïstische kenmerken.

Andere namen:
  • Oplossing
  • Psyrine-spraakanalyse
  • Oplossing voor kunstmatige intelligentie
Diagnostische toets: Mercuria Machine Learning-modellen

Mercuria is ontworpen om het risico van een bipolaire stoornis te stratificeren bij personen met depressieve symptomen. Dit is een kritische klinische behoefte, omdat een verkeerde diagnose van bipolaire stoornis als unipolaire depressie gebruikelijk is en kan leiden tot ongepaste behandeling, mogelijk verergerende resultaten. Door spraakpatronen te analyseren die kenmerkend zijn voor de bipolaire stoornis, wil Mercuria een extra hulpmiddel bieden voor clinici om zich nauwkeuriger te onderscheiden tussen deze aandoeningen, waardoor passende behandelingsbeslissingen worden begeleid.

Mercuria maakt gebruik van machinaal leren om een ​​breed scala aan klinisch relevante spraakkenmerken te analyseren, waaronder taalkundige inhoud, prosodische elementen (zoals toonhoogte, ritme en intonatie) en andere paralinguïstische kenmerken.

Andere namen:
  • Mercuria
  • Mercuria kunstmatige intelligentie

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Spraakbatterij ("PSY-10") audio
Tijdsspanne: Bij de eerste beoordeling
De spraakbatterij bestaat uit prompt gebaseerde taken die zijn ontworpen om spraakreacties van deelnemers op te wekken in de vorm van monologen. Dit omvat taken voor het lezen van tekst, terugroepen en beeldbeschrijving.
Bij de eerste beoordeling
Klinische diagnose
Tijdsspanne: 0 maanden, 3 maanden, 6 maanden
De diagnose van de arts wordt opgenomen voor elke deelnemer bij de eerste beoordeling, 3 maanden en 6 maanden follow-up. Diagnoses worden gesteld volgens de ICD-11- of DSM-5-criteria voor de compatibele aandoeningen: ADHD, ASD, BPAD, GAD, MDD, OCD, PTSS en SSD. Aanvullende relevante labels zoals andere psychische stoornissen, klinisch hoog risico (CHR) en middelengebruik kunnen worden geregistreerd.
0 maanden, 3 maanden, 6 maanden
Prestaties van AI -modellen
Tijdsspanne: 0 maanden, 3 maanden, 6 maanden
De prestaties van de Mercuria- en Solicue AI-modellen zullen worden geëvalueerd met behulp van prestatiestatistieken van nauwkeurigheid, gebalanceerde nauwkeurigheid, gevoeligheid (herinnering), specificiteit, positief voorspellende waarde (precisie), negatief voorspellende waarde, F1-score, AUC-ROC. Voorspelde labels zullen worden vergeleken met de klinische diagnoses die zijn verkregen van de deelnemende klinieken voor geestelijke gezondheidszorg. Er wordt een acceptatiedrempel voor vertrouwen ingesteld.
0 maanden, 3 maanden, 6 maanden

Secundaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Patiëntgezondheidsvragenlijst-9 (PHQ-9)
Tijdsspanne: Bij eerste beoordeling
De PHQ-9 is een zelfgerapporteerde vragenlijst met 9 items die de ernst van depressieve symptomen beoordeelt.
Bij eerste beoordeling
Stemmingsstoornisvragenlijst (MDQ)
Tijdsspanne: Bij de eerste beoordeling
De MDQ is een 15-item zelfrapportage-screeninginstrument dat is ontworpen om bipolaire spectrumstoornissen te detecteren. Het bestaat uit 13 ja/nee vragen over manische symptomen, gevolgd door twee vragen over het co-optreden en de impact van deze symptomen.
Bij de eerste beoordeling
DSM-5 niveau 1 transversale symptoommaatregel (DSM-XC)
Tijdsspanne: Bij de eerste beoordeling
De DSM-5 niveau 1 cross-cutting symptoommaat is een 23-item zelfrapportage vragenlijst die screent op 13 psychiatrische domeinen, waaronder depressie, angst en middelengebruik.
Bij de eerste beoordeling
Gemeld nood
Tijdsspanne: Na initiële beoordeling
Om de veiligheid van online spraakbeoordeling tijdens de klinische evaluatie te beoordelen bij de eerste inname. De veiligheid van online spraakbeoordeling zal worden gemeten door de ernst van de gerapporteerde nood gemeten met behulp van het gebruikersfeedbackformulier (UFF).
Na initiële beoordeling

Medewerkers en onderzoekers

Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.

Sponsor

Psyrin Inc.

Medewerkers

Allwell Behavioral Health Services
The Brookline Center

Onderzoekers

  • Hoofdonderzoeker: Julianna Olah, B.Sc., M.A., M.Sc., Ph.D., Psyrin Inc.
  • Hoofdonderzoeker: Atta-ul Raheem R Chaudhry, B.Sc. (Hons.), M.B.B.S., Psyrin Inc.

Publicaties en nuttige links

De persoon die verantwoordelijk is voor het invoeren van informatie over het onderzoek stelt deze publicaties vrijwillig ter beschikking. Dit kan gaan over alles wat met het onderzoek te maken heeft.

Nuttige links

Studie record data

Deze datums volgen de voortgang van het onderzoeksdossier en de samenvatting van de ingediende resultaten bij ClinicalTrials.gov. Studieverslagen en gerapporteerde resultaten worden beoordeeld door de National Library of Medicine (NLM) om er zeker van te zijn dat ze voldoen aan specifieke kwaliteitscontrolenormen voordat ze op de openbare website worden geplaatst.

Bestudeer belangrijke data

Studie start (Werkelijk)

4 februari 2025

Primaire voltooiing (Geschat)

1 februari 2026

Studie voltooiing (Geschat)

1 juli 2026

Studieregistratiedata

Eerst ingediend

19 januari 2025

Eerst ingediend dat voldeed aan de QC-criteria

19 januari 2025

Eerst geplaatst (Werkelijk)

24 januari 2025

Updates van studierecords

Laatste update geplaatst (Geschat)

3 september 2025

Laatste update ingediend die voldeed aan QC-criteria

26 augustus 2025

Laatst geverifieerd

1 februari 2025

Meer informatie

Termen gerelateerd aan deze studie

Trefwoorden

Aanvullende relevante MeSH-voorwaarden

Andere studie-ID-nummers

  • PSYRIN-0004

Plan Individuele Deelnemersgegevens (IPD)

Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?

ONBESLIST

Informatie over medicijnen en apparaten, studiedocumenten

Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel

Nee

Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct

Ja

product vervaardigd in en geëxporteerd uit de V.S.

Nee

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 .

Abonneren