Amyloidprediksjon i tidlig stadium av Alzheimers sykdom gjennom talefenotyping - FUTURE Extension (FUTURE-US)

Hovedmålet med studien er å evaluere om et sett med algoritmer som analyserer akustiske og språklige talemønstre kan forutsi endring i preklinisk Alzheimers klinisk kompositt med semantisk prosessering (PACC5) mellom baseline og +12 måneders oppfølging på tvers av alle fire armer, som målt ved koeffisienten for individuell overensstemmelse (CIA) mellom endringen i PACC5 og den tilsvarende regresjonsmodellen, trent på baseline taledata for å forutsi den. Sekundære mål inkluderer (1) å evaluere om lignende algoritmer kan forutsi endring i PACC5 mellom baseline og +12 måneders oppfølging i den kognitivt normale (CN) og MCI-populasjonen separat; (2) å evaluere om lignende algoritmer som er trent til å regressere mot PACC5-score ved baseline, fortsatt regresserer betydelig mot PACC5-score ved +12 måneders oppfølging, målt ved koeffisienten for individuell overensstemmelse (CIA) mellom PACC5-kompositten ved +12 måneder og regresjonsmodellen, trent på baseline taledata for å forutsi PACC5-score ved baseline; (3) å evaluere om lignende algoritmer kan klassifisere omformere vs ikke-konverterere i kognitivt normale armer (arm 3 + 4), og raske vs langsomme fallere i MCI-armer (arm 1 + 2), målt ved Area Under the Curve (AUC) av mottakerens driftskarakteristikk, sensitivitet, spesifisitet og Cohens kappa for de tilsvarende binære klassifikatorene. Sekundære mål inkluderer målene ovenfor, men bruker tidpunkter på +24 måneder og +36 måneder; og til slutt for å evaluere om modellytelsen for målene og resultatene ovenfor ble forbedret hvis modellen har tilgang til taledata på 1 uke, 1 måned og 3 måneders tidspunkt.