- ICH GCP
- Rejestr badań klinicznych w USA
- Badanie kliniczne NCT07200739
- Oryginalna próba
Sztuczna inteligencja oparta na mowie do wykrywania demencji u duńskich pacjentów (DetectAI)
Opracowanie i walidacja nieinwazyjnych biomarkerów języka duńskiego i mowy do klasyfikacji chorób neurodegeneracyjnych za pomocą automatycznego rozpoznawania mowy z sztuczną inteligencją (detectai)
Celem tego badania obserwacyjnego jest opracowanie i przetestowanie modelu sztucznej inteligencji (AI), który może wykryć oznaki demencji i powiązanych warunków z zapisów mowy. Główne pytanie brzmi, czy model AI oparty na mowy może prawidłowo odróżniać osoby z normalną pamięcią i myśleniem od osób z zaburzeniami poznawczymi.
Badanie zbada również, czy AI może odróżnić demencję od depresji, oddzielić różne podtypy demencji i określić, które osoby o łagodnym zaburzeniu poznawczym (MCI) prawdopodobnie rozwiną demencję.
Uczestnicy wykonają krótkie zadania pamięci i mowy podczas rejestrowania. Model AI przeanalizuje te nagrania, aby nauczyć się wzorców powiązanych z różnymi diagnozami. Pod koniec badania jego dokładność zostanie przetestowana na nowych uczestnikach.
Przegląd badań
Status
Warunki
Interwencja / Leczenie
- Test diagnostyczny: Mini-mentalne badanie stanu
- Test diagnostyczny: Badanie poznawcze Addenbrooke
- Inny: Speech Task - Picture Description
- Inny: Speech Task - Picture Recall
- Test diagnostyczny: MRI
- Test diagnostyczny: blood sampling
- Test diagnostyczny: Depression screening
- Inny: Somatic- and neurological examination
- Inny: Speech Task - Picture Narrative
Szczegółowy opis
Demencja tła jest rosnącym wyzwaniem dla zdrowia publicznego, a wczesna i dokładna diagnoza jest niezbędna do skutecznej opieki i potencjalnych przyszłych metod leczenia choroby. Obecne ścieżki diagnostyczne są wymagające zasobów i związane z długimi czasami oczekiwania. Mowa odzwierciedla funkcjonowanie poznawcze, a ostatnie badania międzynarodowe wykazały, że AI może wykryć wzorce związane z demencją w zapisach mowy z obiecującą dokładnością. Niniejsze badanie ma na celu opracowanie i potwierdzenie modelu AI opartego na mowie w duńskiej środowisku, zapewniając nieinwazyjne i skalowalne narzędzie badań przesiewowych do stosowania w podstawowej opiece zdrowotnej.
Fazy jeden Protokół Ten protokół opisuje pierwszą fazę naszego badania, który ma zostać ukończony w dwóch oddzielnych fazach.
W pierwszej fazie staramy się wyszkolić model AI w celu analizy danych mowy od uczestników z zaburzeniami poznawczymi i porównywania go z danymi mowy od uczestników zdrowych kontroli, jak szczegółowo opisano w tym protokole. Jeśli metoda zostanie zatwierdzona, będziemy kontynuować drugą fazę.
Przyszłe prace w drugiej fazie spodziewamy się przeprowadzić zewnętrzną walidację. Analiza modelu AI zostanie przeprowadzona na 200 uczestnikach w sektorze podstawowej opieki zdrowotnej skierowanych do oceny demencji. Wyniki analizy AI zostaną porównane z ostateczną standardową diagnozą konsensusową.
Faza druga będzie miała osobny protokół, który zostanie opracowany na podstawie wyników z pierwszej fazy.
Opracowanie perspektywy czasu Inne: projekt hybrydowy. Większość uczestników zostanie uwzględniona w przekrojowym badaniu kontroli przypadków (rejestrowanie pojedynczej mowy). W przypadku uczestników z MCI dane kontrolne zostaną zebrane w okresie badania w celu oceny progresji do demencji, umożliwiając ocenę zdolności modelu do odróżnienia progresywnego od nieprogresywnego MCI.
Typ studiów
Zapisy (Szacowany)
Kontakty i lokalizacje
Kontakt w sprawie studiów
- Nazwa: Sofie J Vængebjerg, MD
- Numer telefonu: +4530294621
- E-mail: sova@regsj.dk
Kopia zapasowa kontaktu do badania
- Nazwa: Peter Høgh, MD, PhD, Assoc Prof
- Numer telefonu: +45 22526698
- E-mail: phh@regionsjaelland.dk
Lokalizacje studiów
-
-
Region Sjælland
-
Roskilde, Region Sjælland, Dania, 4000
- Zealand University Hospital
-
Kontakt:
- Sofie J Vængebjerg, MD, PhD student
- Numer telefonu: +45 30294621
- E-mail: sova@regsj.dk
-
Kontakt:
- Peter Høgh, MD, PhD, Assoc Prof
- E-mail: phh@regionsjaelland.dk
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dorosły
- Starszy dorosły
Akceptuje zdrowych ochotników
Metoda próbkowania
Badana populacja
Opis
Kryteria włączenia:
- Wiek> 50 lat
- Biegle w duńskim
- Minimum 7 lat nauki
Dla uczestników z kohorty kontrolnej:
- Diagnoza konsensusowa albo AD, VAD, LBD, FTD, MCI lub depresja ustalona w klinice pamięci w ciągu 6 miesięcy przed zapisaniem się
Dla uczestników z grupy zdrowej kontroli:
- Brak znanych zaburzeń poznawczych lub zaburzeń afektywnych
Kryteria wykluczenia:
- Znacząco upośledzone widzenie lub przesłuchanie (w zakresie, w jakim uczestnik nie może uczestniczyć w analizie językowej AI)
- Uczestnicy nie mogli wyrazić zgody
Uczestnicy z kohorty kontrolnej i nowych poleceń:
- Wynik mmse <16
- Uczestnicy z wieloma diagnozami (np. mieszana demencja lub AD z równoczesną depresją)
Dla uczestników z nowej kohorty skierowania:
- Uczestnicy spoza sześciu kategorii objętych badaniem (AD, VAD, LBD, FTD, MCI, depresja)
- Uczestnicy, w których na początku jest oczywiste, że nie będą mieli w wyniku powyższych kategorii (można wykluczyć przed podaniem diagnozy konsensusu klinicznego)
Dla uczestników z grupy zdrowej kontroli:
- Mmse <26 i as <90
- Wynik GDS wskazujący na depresję (6 lub więcej)
- Wyniki kliniczne, laboratoryjne lub neuroradiologiczne, które mogą wpływać na funkcje poznawcze
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
Kohorty i interwencje
Grupa / Kohorta |
Interwencja / Leczenie |
|---|---|
|
Cognitively Healthy Control Participants for Model A
We seek to enroll 40 age-matched cognitively healthy control participants for the training of model A.
|
Uczestnicy będą rejestrowani podczas testu, aby pozwolić sztucznej inteligencji na uczenie się i analizowanie wzorców mowy.
Inne nazwy:
Uczestnicy będą rejestrowani podczas testu, aby pozwolić sztucznej inteligencji na uczenie się i analizowanie wzorców mowy.
Inne nazwy:
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.
|
Uczestnicy będą rejestrowani podczas testu, aby pozwolić sztucznej inteligencji na uczenie się i analizowanie wzorców mowy.
Inne nazwy:
Uczestnicy będą rejestrowani podczas testu, aby pozwolić sztucznej inteligencji na uczenie się i analizowanie wzorców mowy.
Inne nazwy:
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.
|
Uczestnicy będą rejestrowani podczas testu, aby pozwolić sztucznej inteligencji na uczenie się i analizowanie wzorców mowy.
Inne nazwy:
Uczestnicy będą rejestrowani podczas testu, aby pozwolić sztucznej inteligencji na uczenie się i analizowanie wzorców mowy.
Inne nazwy:
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
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
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.
Ramy czasowe: 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)
|
Miary wyników drugorzędnych
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Dokładność demencji vs. depresji
Ramy czasowe: Na początku (nagranie mowy)
|
Mierzone wrażliwością, swoistością, prognozami AUR-ROC w porównaniu do diagnozy konsensusowej klinicznej, przy użyciu wyjściowych zapisów mowy od uczestników.
Wydajność modelu będzie mierzona po blokowaniu bazy danych po zakończeniu badania.
|
Na początku (nagranie mowy)
|
|
Podklasyfikacja łagodnych zaburzeń poznawczych (MCI) do progresywnego i nieprogowego
Ramy czasowe: Na początku (nagrywanie mowy) i do 12 miesięcy po rejestracji (w celu określenia progresji)
|
Mierzone wrażliwością, swoistością, prognozami AUR-ROC w porównaniu do diagnozy konsensusowej klinicznej, przy użyciu wyjściowych zapisów mowy od uczestników. Wydajność modelu będzie mierzona po blokowaniu bazy danych po zakończeniu badania. Postęp definiuje się jako nowa diagnoza demencyjna w okresie badania. |
Na początku (nagrywanie mowy) i do 12 miesięcy po rejestracji (w celu określenia progresji)
|
|
Klasyfikacja podtypów demencji (AD, VAD, LBD, FTD)
Ramy czasowe: Na początku (nagranie mowy)
|
Mierzone wrażliwością, swoistością, prognozami AUR-ROC w porównaniu do diagnozy konsensusowej klinicznej, przy użyciu wyjściowych zapisów mowy od uczestników.
Wydajność modelu będzie mierzona po blokowaniu bazy danych po zakończeniu badania.
|
Na początku (nagranie mowy)
|
|
Porównanie z ustalonymi biomarkerami
Ramy czasowe: Na początku lub w momencie testowania biomarkera, jeśli zostanie wykonany po linii podstawowej
|
Różnice w dokładności diagnostycznej między prognozami AI a najnowocześniejszymi biomarkerami do diagnozy demencji
|
Na początku lub w momencie testowania biomarkera, jeśli zostanie wykonany po linii podstawowej
|
|
Analiza znaczenia cech
Ramy czasowe: Na początku (nagranie mowy)
|
Znaczenie cech zostanie ocenione przy użyciu analiz interpretacji (np.
Znaczenie permutacji, wartości SHAP i/lub ablacja grup cech) w celu oszacowania udziału cech akustycznych i językowych w prognozy modelu.
|
Na początku (nagranie mowy)
|
Inne miary wyników
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Liczba zadań wymaganych dla optymalnej dokładności
Ramy czasowe: Na początku (nagranie mowy)
|
Ocena tego, czy zmniejszony zestaw zadań mowy zapewnia dokładność porównywalną z pełną baterią testową.
|
Na początku (nagranie mowy)
|
|
Wkład poszczególnych zadań mowy w wydajność modelu AI
Ramy czasowe: Na początku (nagranie mowy)
|
Wkład poszczególnych zadań związanych z mową zostanie oceniony poprzez porównanie wydajności modelu (np.
dokładność, czułość, swoistość, AUC-ROC), gdy są trenowane i testowane na podzbiorach zadań związanych z mową (testy pamięci, przypominanie historii, opis obrazków).
Pozwoli to określić, które zadania zapewniają najsilniejszy sygnał diagnostyczny.
|
Na początku (nagranie mowy)
|
Współpracownicy i badacze
Sponsor
Współpracownicy
Śledczy
- Główny śledczy: Peter Høgh, MD, PhD, Assoc Prof, Zealand University Hospital
Publikacje i pomocne linki
Publikacje ogólne
- 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.
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Szacowany)
Zakończenie podstawowe (Szacowany)
Ukończenie studiów (Szacowany)
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Rzeczywisty)
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
- nauczanie maszynowe
- demencja
- Upośledzenie funkcji poznawczych
- stres
- sztuczna inteligencja
- głęboka nauka
- Łagodne upośledzenie funkcji poznawczych (MCI)
- Otępienie czołowo-skroniowe (FTD)
- Demencja Body Lewy (LBD)
- sztuczna inteligencja oparta na mowie
- Sztuczna inteligencja w diagnostyce demencji
- Sztuczna inteligencja do badań demencji
- Sztuczna inteligencja do klasyfikacji demencji
- sztuczna inteligencja oparta na mowie
- Demencja naczyniowa (VAD)
- Demencja Alzheimera (AD)
- Depresja - główne zaburzenie depresyjne
- Demencja (diagnoza)
Dodatkowe istotne warunki MeSH
- Synukleinopatie
- Zaburzenia naczyniowo-mózgowe
- Choroby mózgu
- Choroby ośrodkowego układu nerwowego
- Choroby Układu Nerwowego
- Choroby naczyniowe
- Choroby układu krążenia
- Zaburzenia psychiczne
- Procesy patologiczne
- Choroby metaboliczne
- Zaburzenia neurokognitywne
- Zaburzenia poznawcze
- Tauopatie
- Choroby neurodegeneracyjne
- Zaburzenia ruchowe
- Zaburzenia Parkinsona
- Choroby jąder podstawy
- TDP-43 Proteinopatie
- Niedobory proteostazy
- Arterioskleroza
- Choroby okluzyjne tętnic
- Leukoencefalopatie
- Arterioskleroza wewnątrzczaszkowa
- Choroby tętnic wewnątrzczaszkowych
- Zwyrodnienie płata czołowo-skroniowego
- Stany patologiczne, oznaki i objawy
- Choroby żywieniowe i metaboliczne
- Zaburzenia funkcji poznawczych
- Choroba Alzheimera
- Choroba
- Demencja
- Otępienie czołowo-skroniowe
- Demencja, naczyniowy
- Choroba ciał Lewy'ego
- Techniki śledcze
- Prowadzenie okazów
- Techniki laboratoryjne kliniczne
- Techniki i procedury diagnostyczne
- Diagnoza
- Nakłucia
- Procedury chirurgiczne, operacyjny
- Zjawiska genetyczne
- Ploidie
- Zbiór okazów krwi
- Diploidy
Inne numery identyfikacyjne badania
- SJ-1107
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Bada produkt urządzenia regulowany przez amerykańską FDA
Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .
Badania kliniczne na Mini-mentalne badanie stanu
-
Centre Francois BaclesseZakończony
-
Ankara Etlik City HospitalZakończonyPooperacyjne zaburzenia funkcji poznawczychTurcja (Türkiye)
-
BrainCheck, Inc.NieznanyUpośledzenie funkcji poznawczych | Demencja | Łagodne upośledzenie funkcji poznawczych | Spadek poznawczy | Łagodne urazowe uszkodzenie mózgu | Wstrząs | Zmiany poznawcze | Ostre zmiany w poznaniu | Ostry uraz głowy
-
Muş Alparlan UniversityHacettepe UniversityRekrutacyjnyDystrofia mięśniowa Duchenne'aIndyk
-
Chiayi Christian HospitalAktywny, nie rekrutującyDepresja | Delirium | Zmęczenie | Bezsenność | Demencja | Zmiany skórne | Zespół bezdechu sennego (OSAS)Tajwan
-
Burcu Ozalp HorsanaliZakończonyPooperacyjne dysfunkcje poznawcze