- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT07200739
- Original rettssak
Talebasert kunstig intelligens for påvisning av demens hos danske pasienter (DetectAI)
Utvikling og validering av ikke-invasiv dansk språk og talebiomarkører for nevrodegenerativ sykdomsklassifisering ved hjelp av automatisk talegjenkjenning med kunstig intelligens (detektai)
Målet med denne observasjonsstudien er å utvikle og teste en kunstig intelligens (AI) -modell som kan oppdage tegn på demens og relaterte forhold fra taleopptak. Hovedspørsmålet er om en talebasert AI-modell riktig kan fortelle fra hverandre mennesker med normalt minne og tenking fra de med kognitiv svikt.
Studien vil også utforske om AI kan skille demens fra depresjon, skille forskjellige demensundertyper og identifisere hvilke personer med mild kognitiv svikt (MCI) som sannsynligvis vil utvikle demens.
Deltakerne vil fullføre korte minne- og taleoppgaver mens de blir spilt inn. AI -modellen vil analysere disse opptakene for å lære mønstre knyttet til forskjellige diagnoser. På slutten av studien vil nøyaktigheten bli testet på nye deltakere.
Studieoversikt
Status
Forhold
Intervensjon / Behandling
- Diagnostisk test: Mini-mental statsundersøkelse
- Diagnostisk test: Addenbrookes kognitive undersøkelse
- Annen: Speech Task - Picture Description
- Annen: Speech Task - Picture Recall
- Diagnostisk test: MRI
- Diagnostisk test: blood sampling
- Diagnostisk test: Depression screening
- Annen: Somatic- and neurological examination
- Annen: Speech Task - Picture Narrative
Detaljert beskrivelse
Bakgrunnsdemens er en økende folkehelseutfordring, og tidlig og nøyaktig diagnose er avgjørende for effektiv omsorg og potensiell fremtidig sykdomsmodifiserende behandlinger. Nåværende diagnostiske veier er ressurskrevende og assosiert med lange ventetider. Tale gjenspeiler kognitiv funksjon, og nyere internasjonale studier har vist at AI kan oppdage demensrelaterte mønstre i taleopptak med lovende nøyaktighet. Denne studien tar sikte på å utvikle og validere en talebasert AI-modell i en dansk setting, og gir et ikke-invasivt og skalerbart screeningsverktøy for bruk i primæromsorgen.
Faser en Denne protokollen beskriver den første fasen av studien vår som forventes å være fullført i to separate faser.
I fase en søker vi å trene en AI -modell for å analysere taledata fra deltakere med kognitiv svikt og sammenligne den med taledata fra sunne kontrolldeltakere, slik det er detaljert gjennom denne protokollen. Hvis metoden er validert, vil vi fortsette å fase to.
Fremtidig arbeid i fase to forventer vi å gjennomføre en ekstern validering. AI -modellanalysen vil bli utført på 200 deltakere i primæromsorgssektoren som er referert til demensevaluering. Resultatene fra AI -analysen vil bli sammenlignet med den endelige diagnosen Gold Standard Consensus.
Fase to vil ha en egen protokoll som vil bli utarbeidet basert på resultatene fra fase 1.
Utdyping av tidsperspektiv Annet: Hybriddesign. De fleste deltakere vil bli inkludert i en tverrsnitts-casekontrollstudie (enkelt taleopptak). For deltakere med MCI vil oppfølgingsdata bli samlet inn i studieperioden for å vurdere progresjon til demens, noe som tillater evaluering av modellens evne til å skille progressiv fra ikke-progressiv MCI.
Studietype
Registrering (Antatt)
Kontakter og plasseringer
Studiekontakt
- Navn: Sofie J Vængebjerg, MD
- Telefonnummer: +4530294621
- E-post: sova@regsj.dk
Studer Kontakt Backup
- Navn: Peter Høgh, MD, PhD, Assoc Prof
- Telefonnummer: +45 22526698
- E-post: phh@regionsjaelland.dk
Studiesteder
-
-
Region Sjælland
-
Roskilde, Region Sjælland, Danmark, 4000
- Zealand University Hospital
-
Ta kontakt med:
- Sofie J Vængebjerg, MD, PhD student
- Telefonnummer: +45 30294621
- E-post: sova@regsj.dk
-
Ta kontakt med:
- Peter Høgh, MD, PhD, Assoc Prof
- E-post: phh@regionsjaelland.dk
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Voksen
- Eldre voksen
Tar imot friske frivillige
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inkluderingskriterier:
- Alder> 50 år
- Flytende på dansk
- Minimum 7 års skolegang
For deltakere fra oppfølgingskohorten:
- En konsensusdiagnose av enten AD, VAD, LBD, FTD, MCI eller depresjon etablert på minneklinikken innen 6 måneder før påmelding
For deltakere fra den sunne kontrollkohorten:
- Ingen kjent kognitiv svikt eller affektiv lidelse
Eksklusjonskriterier:
- Betydelig nedsatt syn eller hørsel (i den grad deltakeren ikke kan delta i den språklige AI -analysen)
- Deltakerne kan ikke gi samtykke
Deltakere fra oppfølging og nye henvisninger Kohort:
- MMSE -poengsum <16
- Deltakere med flere diagnoser (f.eks. blandet demens eller annonse med samtidig depresjon)
For deltakere fra den nye henvisningen Kohort:
- Deltakere som faller utenfor de seks kategoriene som er inkludert i studien (AD, VAD, LBD, FTD, MCI, depresjon)
- Deltakere der det er åpenbart ved baseline at de ikke vil falle innenfor kategoriene ovenfor (kan utelukkes før klinisk konsensusdiagnose er gitt)
For deltakere fra den sunne kontrollkohorten:
- Mmse <26 og ess <90
- GDS -poengsum som indikerer depresjon (6 eller høyere)
- Kliniske, laboratorie- eller nevroradiologiske funn som kan påvirke kognitive funksjoner
Studieplan
Hvordan er studiet utformet?
Designdetaljer
Kohorter og intervensjoner
Gruppe / Kohort |
Intervensjon / Behandling |
|---|---|
|
Cognitively Healthy Control Participants for Model A
We seek to enroll 40 age-matched cognitively healthy control participants for the training of model A.
|
Deltakerne vil bli registrert under testen for å la AI lære og analysere talemønstre.
Andre navn:
Deltakerne vil bli registrert under testen for å la AI lære og analysere talemønstre.
Andre navn:
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.
|
Deltakerne vil bli registrert under testen for å la AI lære og analysere talemønstre.
Andre navn:
Deltakerne vil bli registrert under testen for å la AI lære og analysere talemønstre.
Andre navn:
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.
|
Deltakerne vil bli registrert under testen for å la AI lære og analysere talemønstre.
Andre navn:
Deltakerne vil bli registrert under testen for å la AI lære og analysere talemønstre.
Andre navn:
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
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
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.
Tidsramme: 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)
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Nøyaktighet for demens vs. depresjon
Tidsramme: På Baseline (taleopptak)
|
Målt ved følsomhet, spesifisitet, AUR-ROC av AI-spådommer sammenlignet med klinisk konsensusdiagnose, ved bruk av baseline taleopptak fra deltakere.
Modellytelsen vil bli målt etter databaselås ved fullføring av studien.
|
På Baseline (taleopptak)
|
|
Underklassifisering av mild kognitiv svikt (MCI) til progressiv mot ikke-progressiv
Tidsramme: Ved baseline (taleopptak) og opptil 12 måneder etter påmelding (for å bestemme progresjon)
|
Målt ved følsomhet, spesifisitet, AUR-ROC av AI-spådommer sammenlignet med klinisk konsensusdiagnose, ved bruk av baseline taleopptak fra deltakere. Modellytelsen vil bli målt etter databaselås ved fullføring av studien. Progresjon er definert som ny demensdiagnose i studieperioden. |
Ved baseline (taleopptak) og opptil 12 måneder etter påmelding (for å bestemme progresjon)
|
|
Klassifisering av demensundertyper (AD, VAD, LBD, FTD)
Tidsramme: På Baseline (taleopptak)
|
Målt ved følsomhet, spesifisitet, AUR-ROC av AI-spådommer sammenlignet med klinisk konsensusdiagnose, ved bruk av baseline taleopptak fra deltakere.
Modellytelsen vil bli målt etter databaselås ved fullføring av studien.
|
På Baseline (taleopptak)
|
|
Sammenligning med etablerte biomarkører
Tidsramme: Ved baseline, eller på tidspunktet for biomarkørtesting hvis det utføres etter baseline
|
Forskjeller i diagnostisk nøyaktighet mellom AI-spådommer og topp moderne biomarkører for demensdiagnose
|
Ved baseline, eller på tidspunktet for biomarkørtesting hvis det utføres etter baseline
|
|
Funksjonsanalyse
Tidsramme: På Baseline (taleopptak)
|
Funksjonens betydning vil bli evaluert ved bruk av tolkbarhetsanalyser (f.eks.
Permutasjonsbetydning, formverdier og/eller ablasjon av funksjonsgrupper) for å kvantifisere bidraget fra akustiske og språklige trekk til modellens spådommer.
|
På Baseline (taleopptak)
|
Andre resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Antall oppgaver som kreves for optimal nøyaktighet
Tidsramme: På Baseline (taleopptak)
|
Evaluering av om et redusert sett med taleoppgaver gir nøyaktighet som kan sammenlignes med hele testbatteriet.
|
På Baseline (taleopptak)
|
|
Bidrag fra individuelle taleoppgaver til AI -modellytelse
Tidsramme: På Baseline (taleopptak)
|
Bidrag fra individuelle taleoppgaver vil bli evaluert ved å sammenligne modellytelse (f.eks.
Nøyaktighet, følsomhet, spesifisitet, AUC-ROC) når den er trent og testet på undergrupper av taleoppgaver (minnetester, historieinnkalling, bildebeskrivelse).
Dette vil identifisere hvilke oppgaver som gir det sterkeste diagnostiske signalet.
|
På Baseline (taleopptak)
|
Samarbeidspartnere og etterforskere
Sponsor
Samarbeidspartnere
Etterforskere
- Hovedetterforsker: Peter Høgh, MD, PhD, Assoc Prof, Zealand University Hospital
Publikasjoner og nyttige lenker
Generelle publikasjoner
- 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.
Studierekorddatoer
Studer hoveddatoer
Studiestart (Antatt)
Primær fullføring (Antatt)
Studiet fullført (Antatt)
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
Nøkkelord
- maskinlæring
- demens
- Kognitiv svikt
- understreke
- kunstig intelligens
- dyp læring
- Mild kognitiv svikt (MCI)
- Frontotemporal demens (FTD)
- Lewy Body Dementia (LBD)
- Talebasert kunstig intelligens
- Kunstig intelligens i demensdiagnostikk
- Kunstig intelligens for screening av demens
- Kunstig intelligens for demensklassifisering
- talebasert kunstig intelligens
- Vaskulær demens (VAD)
- Alzheimer demens (annonse)
- Depresjon - stor depressiv lidelse
- Demens (diagnose)
Ytterligere relevante MeSH-vilkår
- Synukleinopatier
- Cerebrovaskulære lidelser
- Hjernesykdommer
- Sykdommer i sentralnervesystemet
- Sykdommer i nervesystemet
- Vaskulære sykdommer
- Kardiovaskulære sykdommer
- Psykiske lidelser
- Patologiske prosesser
- Metabolske sykdommer
- Nevrokognitive lidelser
- Kognisjonsforstyrrelser
- Tauopatier
- Nevrodegenerative sykdommer
- Bevegelsesforstyrrelser
- Parkinsonlidelser
- Basal ganglia sykdommer
- TDP-43 Proteinopatier
- Proteostase mangler
- Arteriosklerose
- Arterielle okklusive sykdommer
- Leukoencefalopatier
- Intrakraniell arteriosklerose
- Intrakranielle arterielle sykdommer
- Frontotemporal Lobar Degenerasjon
- Patologiske tilstander, tegn og symptomer
- Ernæringsmessige og metabolske sykdommer
- Kognitiv dysfunksjon
- Alzheimers sykdom
- Sykdom
- Demens
- Frontotemporal demens
- Demens, vaskulær
- Lewy kroppssykdom
- Undersøkelsesteknikker
- Prøvehåndtering
- Kliniske laboratorieteknikker
- Diagnostiske teknikker og prosedyrer
- Diagnose
- Punkteringer
- Kirurgiske prosedyrer, operativ
- Genetiske fenomener
- Ploidier
- Blodprøveinnsamling
- Diploidi
Andre studie-ID-numre
- SJ-1107
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
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. .
Kliniske studier på Understreke
-
University of Thi-QarFullførtPsykologisk stress | Akademisk stressIrak
-
The University of QueenslandUniversity of BolognaFullførtPsykologisk stress | Akademisk stressAustralia
-
Massachusetts General HospitalFullførtUnderstreke | Emosjonelt stress | Psykologisk stress | Sosialt stress | LivsstressForente stater
-
Istanbul Medeniyet UniversityIstanbul Provincial Directorate of Family and Social ServicesHar ikke rekruttert ennåUtbrenthet, profesjonell | Stress, psykologisk | Psykologisk stress | Stress, psykologisk, yrkesmessigTyrkia (Türkiye)
-
Holly RisdonBPAi; American Institute of StressHar ikke rekruttert ennå
-
Mälardalen UniversityFullførtHelseatferd | Psykologisk stress | Occupation-Related Stress DisorderSverige
-
Egas Moniz - Cooperativa de Ensino Superior, CRLFullførtPsykologisk stress | Stress (psykologi) | Opplevd stressPortugal
-
Amsterdam UMC, location VUmcRigshospitalet, Denmark; Universitätsklinikum Hamburg-EppendorfHar ikke rekruttert ennåUnderstreke | Stress og utbrenthet | Stress biomarkørerTyskland, Danmark
-
Canterbury Christ Church UniversitySussex Partnership NHS Foundation TrustPåmelding etter invitasjonYrkesstress eller stress på arbeidsplassenStorbritannia
-
The Touro College and University SystemFullførtStress, psykologisk | Stress, Fysiologisk | Stress, jobb | StudentutbrenthetForente stater
Kliniske studier på Mini-mental statsundersøkelse
-
University Hospital Center of MartiniqueAvsluttetAlzheimers sykdom | Eldre pasienter | Kognitiv lidelseFrankrike
-
Centro Hospitalar do PortoUkjentPostoperative komplikasjoner | Nevrokognitive lidelser | Postoperativ periodePortugal
-
Azienda Ospedaliera Universitaria Integrata VeronaUkjentKognitiv svikt | Fibromyalgi | Smerte, kronisk | Fibromyalgi syndrom | Svekkelse
-
Loma Linda UniversityFullført1. Postoperativ kognitiv dysfunksjonForente stater
-
Centre Hospitalier Universitaire de la RéunionFullførtNevrokognitivt underskuddGjenforening
-
Ankara Etlik City HospitalFullførtPostoperativ kognitiv dysfunksjonTyrkia (Türkiye)
-
Centre Francois BaclesseFullført
-
Murielle SurquinFullført
-
Chania General Hospital "St. George"University of ThessalyHar ikke rekruttert ennåEffekten av lytteanstrengelse, kognisjon og angstdepresjon i lyttetilfredshet hos høreapparatbrukereDepresjon | Angst | Kognitiv funksjon 1, sosial | Tilfredshet, forbruker | Forsterkning | Høreapparat | Lytteinnsats
-
Burcu Ozalp HorsanaliFullførtPostoperativ kognitiv dysfunksjon