Inteligência artificial baseada na fala para detecção de demência em pacientes dinamarqueses (DetectAI)
Desenvolvimento e validação de biomarcadores de língua dinamarquesa e de fala não invasivos para classificação de doenças neurodegenerativas por meio de reconhecimento automático de fala com inteligência artificial (Detectai)
O objetivo deste estudo observacional é desenvolver e testar um modelo de inteligência artificial (AI) que pode detectar sinais de demência e condições relacionadas a partir de gravações de fala. A principal questão é se um modelo de IA baseado em fala pode interromper corretamente as pessoas com memória normal e pensar daqueles com comprometimento cognitivo.
O estudo também explorará se a IA pode distinguir a demência da depressão, separar diferentes subtipos de demência e identificar quais pessoas com comprometimento cognitivo leve (MCI) provavelmente desenvolverão demência.
Os participantes concluirão tarefas curtas de memória e fala enquanto estiverem sendo gravadas. O modelo de IA analisará essas gravações para aprender padrões ligados a diferentes diagnósticos. No final do estudo, sua precisão será testada em novos participantes.
Visão geral do estudo
Status
Condições
Intervenção / Tratamento
- Teste de diagnostico: Exame Mini-Mental do Estado
- Teste de diagnostico: Exame cognitivo de Addenbrooke
- Outro: Speech Task - Picture Description
- Outro: Speech Task - Picture Recall
- Teste de diagnostico: MRI
- Teste de diagnostico: blood sampling
- Teste de diagnostico: Depression screening
- Outro: Somatic- and neurological examination
- Outro: Speech Task - Picture Narrative
Descrição detalhada
A demência de fundo é um crescente desafio à saúde pública, e o diagnóstico precoce e preciso é essencial para cuidados eficazes e possíveis tratamentos futuros modificadores de doenças. As vias de diagnóstico atuais são intensivas em recursos e associadas a longos tempos de espera. A fala reflete o funcionamento cognitivo, e estudos internacionais recentes mostraram que a IA pode detectar padrões relacionados à demência nas gravações de fala com precisão promissora. Este estudo tem como objetivo desenvolver e validar um modelo de IA baseado em fala em um ambiente dinamarquês, fornecendo uma ferramenta de triagem não invasiva e escalável para uso na atenção primária.
Fases Um Este protocolo descreve a primeira fase de nosso estudo, que deve ser concluída em duas fases separadas.
Na fase um, procuramos treinar um modelo de IA para analisar dados de fala de participantes com comprometimento cognitivo e compará -lo com dados de fala de participantes do controle saudável, como é detalhado através deste protocolo. Se o método for validado, continuaremos a fase dois.
Trabalho futuro na fase dois, esperamos conduzir uma validação externa. A análise do modelo de IA será realizada em 200 participantes no setor de atenção primária encaminhada para avaliação de demência. Os resultados da análise de IA serão comparados com o diagnóstico final de consenso padrão do ouro.
A fase dois terá um protocolo separado que será elaborado com base nos resultados da fase um.
Elaboração da perspectiva do tempo Outro: design híbrido. A maioria dos participantes será incluída em um estudo transversal de caso-controle (gravação de fala única). Para os participantes do MCI, os dados de acompanhamento serão coletados dentro do período do estudo para avaliar a progressão para a demência, permitindo a avaliação da capacidade do modelo de distinguir progressivo do MCI não progressivo.
Tipo de estudo
Inscrição (Estimado)
Contactos e Locais
Contato de estudo
- Nome: Sofie J Vængebjerg, MD
- Número de telefone: +4530294621
- E-mail: sova@regsj.dk
Estude backup de contato
- Nome: Peter Høgh, MD, PhD, Assoc Prof
- Número de telefone: +45 22526698
- E-mail: phh@regionsjaelland.dk
Locais de estudo
-
-
Region Sjælland
-
Roskilde, Region Sjælland, Dinamarca, 4000
- Zealand University Hospital
-
Contato:
- Sofie J Vængebjerg, MD, PhD student
- Número de telefone: +45 30294621
- E-mail: sova@regsj.dk
-
Contato:
- Peter Høgh, MD, PhD, Assoc Prof
- E-mail: phh@regionsjaelland.dk
-
-
Critérios de participação
Critérios de elegibilidade
Idades elegíveis para estudo
- Adulto
- Adulto mais velho
Aceita Voluntários Saudáveis
Método de amostragem
População do estudo
Descrição
Critérios de inclusão:
- Idade> 50 anos
- Fluente em dinamarquês
- Mínimo 7 anos de escolaridade
Para participantes da coorte de acompanhamento:
- Um diagnóstico de consenso de AD, VAD, LBD, FTD, MCI ou depressão estabelecida na clínica de memória dentro de 6 meses antes da inscrição
Para participantes da coorte de controle saudável:
- Nenhum comprometimento cognitivo conhecido ou distúrbio afetivo
Critérios de exclusão:
- Visão ou audição significativamente prejudicada (na medida em que o participante não pode participar da análise de IA linguística)
- Participantes incapazes de dar consentimento
Participantes do acompanhamento e da nova coorte de referências:
- Pontuação MMSE <16
- Participantes com múltiplos diagnósticos (por exemplo. demência mista ou anúncio com depressão simultânea)
Para participantes da nova coorte de referências:
- Participantes que estão fora das seis categorias incluídas no estudo (AD, VAD, LBD, FTD, MCI, Depressão)
- Os participantes onde é óbvio na linha de base que não se enquadram nas categorias acima (podem ser excluídos antes que o diagnóstico de consenso clínico seja dado)
Para participantes da coorte de controle saudável:
- Mmse <26 e ACE <90
- Pontuação GDS indicando depressão (6 ou superior)
- Achados clínicos, laboratoriais ou neurorradiológicos que podem afetar as funções cognitivas
Plano de estudo
Como o estudo é projetado?
Detalhes do projeto
Coortes e Intervenções
Grupo / Coorte |
Intervenção / Tratamento |
|---|---|
|
Cognitively Healthy Control Participants for Model A
We seek to enroll 40 age-matched cognitively healthy control participants for the training of model A.
|
Os participantes serão registrados durante o teste em ordem até que a IA aprenda e analise os padrões de fala.
Outros nomes:
Os participantes serão registrados durante o teste em ordem até que a IA aprenda e analise os padrões de fala.
Outros nomes:
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.
|
Os participantes serão registrados durante o teste em ordem até que a IA aprenda e analise os padrões de fala.
Outros nomes:
Os participantes serão registrados durante o teste em ordem até que a IA aprenda e analise os padrões de fala.
Outros nomes:
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.
|
Os participantes serão registrados durante o teste em ordem até que a IA aprenda e analise os padrões de fala.
Outros nomes:
Os participantes serão registrados durante o teste em ordem até que a IA aprenda e analise os padrões de fala.
Outros nomes:
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
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
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.
Prazo: 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)
|
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Precisão para demência vs. depressão
Prazo: Na linha de base (gravação de fala)
|
Medido por sensibilidade, especificidade, AUR-ROC de previsões de IA em comparação com o diagnóstico de consenso clínico, usando gravações de fala da linha de base dos participantes.
O desempenho do modelo será medido após o bloqueio do banco de dados na conclusão do estudo.
|
Na linha de base (gravação de fala)
|
|
Subclassificação do comprometimento cognitivo leve (MCI) em progressivo versus não progressivo
Prazo: Na linha de base (gravação de fala) e até 12 meses após a inscrição (para determinar a progressão)
|
Medido por sensibilidade, especificidade, AUR-ROC de previsões de IA em comparação com o diagnóstico de consenso clínico, usando gravações de fala da linha de base dos participantes. O desempenho do modelo será medido após o bloqueio do banco de dados na conclusão do estudo. A progressão é definida como um novo diagnóstico de demência durante o período do estudo. |
Na linha de base (gravação de fala) e até 12 meses após a inscrição (para determinar a progressão)
|
|
Classificação de subtipos de demência (AD, VAD, LBD, FTD)
Prazo: Na linha de base (gravação de fala)
|
Medido por sensibilidade, especificidade, AUR-ROC de previsões de IA em comparação com o diagnóstico de consenso clínico, usando gravações de fala da linha de base dos participantes.
O desempenho do modelo será medido após o bloqueio do banco de dados na conclusão do estudo.
|
Na linha de base (gravação de fala)
|
|
Comparação com biomarcadores estabelecidos
Prazo: Na linha de base, ou no momento dos testes de biomarcadores, se realizada após a linha de base
|
Diferenças na precisão diagnóstica entre previsões de IA e biomarcadores de ponta para diagnóstico de demência
|
Na linha de base, ou no momento dos testes de biomarcadores, se realizada após a linha de base
|
|
Análise de importância do recurso
Prazo: Na linha de base (gravação de fala)
|
A importância do recurso será avaliada usando análises de interpretabilidade (por exemplo,
Importância da permutação, valores de moda e/ou ablação de grupos de recursos) para quantificar a contribuição de características acústicas e linguísticas para as previsões do modelo.
|
Na linha de base (gravação de fala)
|
Outras medidas de resultado
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Número de tarefas necessárias para uma precisão ideal
Prazo: Na linha de base (gravação de fala)
|
Avaliação de se um conjunto reduzido de tarefas de fala fornece precisão comparável à bateria de teste completa.
|
Na linha de base (gravação de fala)
|
|
Contribuição de tarefas de fala individuais para o desempenho do modelo de IA
Prazo: Na linha de base (gravação de fala)
|
A contribuição de tarefas individuais de fala será avaliada comparando o desempenho do modelo (por exemplo,
Precisão, sensibilidade, especificidade, AUC-Roc) quando treinadas e testadas em subconjuntos de tarefas de fala (testes de memória, recall de histórias, descrição da imagem).
Isso identificará quais tarefas fornecem o sinal de diagnóstico mais forte.
|
Na linha de base (gravação de fala)
|
Colaboradores e Investigadores
Patrocinador
Colaboradores
Investigadores
- Investigador principal: Peter Høgh, MD, PhD, Assoc Prof, Zealand University Hospital
Publicações e links úteis
Publicações Gerais
- 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.
Datas de registro do estudo
Datas Principais do Estudo
Início do estudo (Estimado)
Conclusão Primária (Estimado)
Conclusão do estudo (Estimado)
Datas de inscrição no estudo
Enviado pela primeira vez
Enviado pela primeira vez que atendeu aos critérios de CQ
Primeira postagem (Real)
Atualizações de registro de estudo
Última Atualização Postada (Real)
Última atualização enviada que atendeu aos critérios de controle de qualidade
Última verificação
Mais Informações
Termos relacionados a este estudo
Palavras-chave
- aprendizado de máquina
- demência
- Comprometimento Cognitivo
- estresse
- inteligência artificial
- aprendizagem profunda
- Comprometimento Cognitivo Leve (MCI)
- Demência Frontotemporal (FTD)
- Demência do corpo de Lewy (LBD)
- Inteligência artificial baseada em fala
- Inteligência artificial em diagnósticos de demência
- Inteligência artificial para triagem de demência
- Inteligência artificial para classificação de demência
- inteligência artificial baseada em fala
- Demência vascular (VAD)
- Demência Alzheimer (AD)
- Depressão - Transtorno depressivo maior
- Demência (diagnóstico)
Termos MeSH relevantes adicionais
- Sinucleinopatias
- Distúrbios Cerebrovasculares
- Doenças Cerebrais
- Doenças do Sistema Nervoso Central
- Doenças do Sistema Nervoso
- Doenças Vasculares
- Doenças cardiovasculares
- Transtornos Mentais, Desordem Mental
- Processos Patológicos
- Doenças Metabólicas
- Distúrbios Neurocognitivos
- Distúrbios Cognitivos
- Tauopatias
- Doenças Neurodegenerativas
- Distúrbios do Movimento
- Distúrbios parkinsonianos
- Doenças dos Gânglios da Base
- Proteinopatias TDP-43
- Deficiências de Proteostase
- Arteriosclerose
- Doenças Arteriais Oclusivas
- Leucoencefalopatias
- Arteriosclerose Intracraniana
- Doenças Arteriais Intracranianas
- Degeneração Lobar Frontotemporal
- Condições Patológicas, Sinais e Sintomas
- Doenças Nutricionais e Metabólicas
- Disfunção cognitiva
- Doença de Alzheimer
- Doença
- Demência
- Demência frontotemporal
- Demência Vascular
- Doença de corpos de Lewy
- Técnicas de investigação
- Manipulação de amostras
- Técnicas de laboratório clínico
- Técnicas e procedimentos de diagnóstico
- Diagnóstico
- Perfurações
- Procedimentos cirúrgicos, operatórios
- Fenômenos genéticos
- Ploidies
- Coleção de amostras de sangue
- Diplóide
Outros números de identificação do estudo
- SJ-1107
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
Informações sobre medicamentos e dispositivos, documentos de estudo
Estuda um medicamento regulamentado pela FDA dos EUA
Estuda um produto de dispositivo regulamentado pela FDA dos EUA
Essas informações foram obtidas diretamente do site clinicaltrials.gov sem nenhuma alteração. Se você tiver alguma solicitação para alterar, remover ou atualizar os detalhes do seu estudo, entre em contato com register@clinicaltrials.gov. Assim que uma alteração for implementada em clinicaltrials.gov, ela também será atualizada automaticamente em nosso site .
Ensaios clínicos em Exame Mini-Mental do Estado
-
Centre Francois BaclesseConcluído
-
Burcu Ozalp HorsanaliConcluídoDisfunção Cognitiva Pós-Operatória
-
Istanbul UniversityConcluído
-
Lille Catholic UniversityConcluídoSurdez pré-lingual | Distúrbios da Retenção CognitivaFrança
-
Centro Hospitalar do PortoDesconhecidoComplicações pós-operatórias | Distúrbios Neurocognitivos | Período pós-operatórioPortugal
-
Ohio State UniversityInstitut d'Investigació Biomèdica de Girona Dr. Josep TruetaRescindidoComplicações pós-operatórias | Disfunção Cognitiva Pós-OperatóriaEstados Unidos, Espanha
-
Englewood Hospital and Medical CenterRetiradoPacientes Internados com Função Neurológica NormalEstados Unidos
-
Centre Hospitalier Universitaire de la RéunionConcluído
-
Ankara Etlik City HospitalConcluídoDisfunção Cognitiva Pós-OperatóriaTurquia (Türkiye)
-
Azienda Ospedaliera Universitaria Integrata VeronaDesconhecidoUm relaxômetro pode melhorar o comprometimento cognitivo de pacientes com fibromialgia? (Fibrorilax)Comprometimento Cognitivo | Fibromialgia | Dor Crônica | Síndrome de Fibromialgia | Imparidade