Comutti - Et forskningsprosjekt dedikert til å finne smarte måter å bruke teknologi på for en bedre morgendag for alle, overalt. (COMUTTI)
I følge Verdens helseorganisasjon har ett av 160 barn på verdensbasis en ASD. Omtrent 25 % til 30 % av barna er ikke i stand til å bruke verbalt språk for å kommunisere (ikke-verbal ASD) eller er minimalt verbal, dvs. bruker færre enn 10 ord (mv-ASD). Evnen til å kommunisere er en avgjørende livsferdighet, og kommunikasjonsvansker kan ha en rekke negative konsekvenser som dårligere livskvalitet og atferdsvansker. Kommunikasjonsintervensjoner har generelt som mål å forbedre barns evne til å kommunisere enten gjennom tale eller ved å supplere tale med andre midler (f.eks. tegnspråk, bilder eller AAC - Advanced Augmented Communication Tools). Personer med ikke-verbal ASD eller mv-ASD kommuniserer ofte med mennesker gjennom vokaliseringer som i noen tilfeller har en selvkonsistent fonetisk assosiasjon til konsepter (f.eks. "ba" for å bety "bad") eller er onomatopoetiske uttrykk (f.eks. "woof" "for å referere til en hund). I de fleste tilfeller høres vokaliseringer vilkårlig ut; selv om de varierer i tone, tonehøyde og varighet, avhengig av det er det ekstremt vanskelig å tolke det tiltenkte budskapet eller individets følelsesmessige eller fysiske tilstand de ville formidle, og skaper en barriere mellom personene med ASD og resten av verden som forårsaker stress og frustrasjon. Bare omsorgspersoner som har langvarig kjennskap til fagene er i stand til å dekode slike ordløse lyder og tilordne dem unike betydninger.
Dette prosjektet tar sikte på å definere algoritmer, metoder og teknologier for å identifisere den kommunikative intensjonen til vokale uttrykk generert av barn med mv-ASD, og å lage verktøy som hjelper mennesker som ikke er kjent med emnene til å forstå disse personene under spontane samtaler.
Studieoversikt
Status
Forhold
Studietype
Registrering (Faktiske)
Fase
- Ikke aktuelt
Kontakter og plasseringer
Studiesteder
-
-
Lecco
-
Bosisio Parini, Lecco, Italia, 23842
- Scientific Institute, IRCCS Eugenio Medea
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
Tar imot friske frivillige
Beskrivelse
Inklusjonskriterier:
- å ha en klinisk diagnose av autismespekterforstyrrelse i henhold til DSM-5 kriterier
- bruke færre enn 10 ord
Ekskluderingskriterier:
- bruk av stimulerende eller ikke-stimulerende medisiner som påvirker sentralnervesystemet
- har en identifisert genetisk lidelse
- har problemer med syn eller hørsel
- lider av kronisk eller akutt medisinsk sykdom
Studieplan
Hvordan er studiet utformet?
Designdetaljer
- Primært formål: Grunnvitenskap
- Tildeling: N/A
- Intervensjonsmodell: Enkeltgruppeoppdrag
- Masking: Ingen (Open Label)
Våpen og intervensjoner
Deltakergruppe / Arm |
Intervensjon / Behandling |
|---|---|
|
Eksperimentell: Eksperimentell: opprettelse av lydsignaldatasett og maskinlæringsanalyse
Eksperimentell: opprettelse og prosessering av lydsignaldatasett; maskinlæringsanalyse, empiriske evalueringer
|
Klinisk evaluering av deltakere ved hjelp av Autism Diagnostic Observation Schedule
Prosjektet tester og tilpasser teknologien utviklet ved MIT for vokaliseringsinnsamling og merking, og bidrar til datainnsamling blant italienske fag (og deres kvalitetsvalidering) for å lage et flerkulturelt datasett og for å muliggjøre tverrkulturelle studier og analyser.
Deretter settes fokus på analysen av harmoniske trekk ved lyden i vokaliseringene til datasettet for å identifisere tilbakevendende individuelle trekk og mønstre som tilsvarer spesifikke kommunikasjonsformål eller emosjonelle tilstander.
Overvåket og uovervåket maskinlæringstilnærminger utvikles og forskjellige maskinlæringsalgoritmer vil bli sammenlignet for å identifisere de mest nøyaktige for prosjektmålet.
Til slutt gjennomføres en utforskende evaluering av maskinlæringsmodellen for vokaliseringsforståelse for å teste brukervennligheten og nytten av verktøyet for vokaliseringstolkning.
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Frekvens av lydsignalprøver og tilhørende etiketter
Tidsramme: umiddelbart etter inngrepet
|
Frekvens (målt i antall per time) av lydsignalprøver (lyder og verbaliseringer) produsert av hver deltaker tatt opp under sykehusoppholdene, i ulike sammenhenger (dvs. under pedagogiske intervensjoner og/eller i øyeblikk med ustrukturert lek) merket som selvsnakk , glede, dysregulering, frustrasjon, forespørsel eller sosial utveksling. En liten, trådløs opptaker (Sony TX800 Digital Voice Recorder TX Series) vil festes til deltakerens klær ved hjelp av sterke magneter. Deretter må de voksne (omsorgsperson og/eller operatører) assosiere lydene som produseres av barnet til en affektiv og/eller til den sannsynlige betydningen av vokaliseringen -etiketter- ved bruk av en nettapp. |
umiddelbart etter inngrepet
|
|
Deltakerspesifikke harmoniske egenskaper utledet av lydsignalsamplene
Tidsramme: umiddelbart etter inngrepet
|
Temporale og spektrale lydfunksjoner - dvs. tonehøyderelaterte funksjoner, formanterfunksjoner, energirelaterte funksjoner, timingfunksjoner, artikulasjonsfunksjoner - hentet fra prøvene og brukes deretter for overvåket og uovervåket maskinlæringsanalyse. De innsamlede lydsignalsamplene vil bli segmentert i nærheten av de tidsmessige plasseringene til etiketter. Deretter vil det segmenteres og assosieres med tidsmessig tilstøtende etiketter (affektive tilstander eller sannsynlig betydning av vokaliseringer). Lydharmoniske egenskaper (temporelle/fonetiske egenskaper) vil deretter bli identifisert for hver deltaker ved å bruke overvåket/uovervåket maskinlæringsanalyse av lydsignalprøver. Gjennom denne prosessen vil deltakerspesifikke mønstre som tilsvarer spesifikke kommunikasjonsformål eller følelsesmessige tilstander bli identifisert. |
umiddelbart etter inngrepet
|
|
Nøyaktighet av maskinlæringsprediksjon
Tidsramme: umiddelbart etter inngrepet
|
Klassifiseringsnøyaktigheten til maskinlæringsanalyse, dvs. antall korrekte spådommer delt på det totale antallet spådommer, som vil bli testet i et beholdt testsett med innspilte lydsignalprøver. Disse utfallsmålene vil estimere brukervennligheten/nytten til det utviklede verktøyet for vokaliseringstolkning basert på en maskinlæringsanalyse av de innspilte lydsignalsamplene. |
umiddelbart etter inngrepet
|
Samarbeidspartnere og etterforskere
Sponsor
Etterforskere
- Hovedetterforsker: Alessandro Crippa, Ph.D., IRCCS Eugenio Medea
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
Primær fullføring (Faktiske)
Studiet fullført (Faktiske)
Datoer for studieregistrering
Først innsendt
Først innsendt som oppfylte QC-kriteriene
Først lagt ut (Faktiske)
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Sist bekreftet
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- 868
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Studerer et amerikansk FDA-regulert enhetsprodukt
produkt produsert i og eksportert fra USA
Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .