Прогнозирование амилоида на ранней стадии болезни Альцгеймера с помощью фенотипирования речи - FUTURE Extension (FUTURE-US)

Основная цель исследования состоит в том, чтобы оценить, может ли набор алгоритмов, анализирующих акустические и лингвистические паттерны речи, предсказывать изменения доклинического клинического композита болезни Альцгеймера с семантической обработкой (PACC5) между исходным уровнем и +12 месяцев последующего наблюдения во всех четырех группах, как измеряется коэффициентом индивидуального согласия (CIA) между изменением PACC5 и соответствующей регрессионной моделью, обученной на исходных речевых данных для ее прогнозирования. Вторичные цели включают (1) оценку того, могут ли аналогичные алгоритмы предсказывать изменение PACC5 между исходным уровнем и +12 месяцев последующего наблюдения в когнитивно-нормальных (CN) и MCI популяциях отдельно; (2) оценка того, действительно ли аналогичные алгоритмы, обученные регрессировать по сравнению с показателями PACC5 на исходном уровне, по-прежнему значительно регрессируют по сравнению с показателями PACC5 через +12 месяцев наблюдения, что измеряется коэффициентом индивидуального согласия (CIA) между составным показателем PACC5 через +12 месяцев и регрессионная модель, обученная на исходных речевых данных для прогнозирования показателей PACC5 на исходном уровне; (3) оценка того, могут ли аналогичные алгоритмы классифицировать конвертирующих и неконвертирующих в когнитивно нормальных группах (группа 3 + 4), а также быстро и медленно снижающихся в группах MCI (группа 1 + 2), как измеряется площадью под кривой. (AUC) кривой рабочей характеристики приемника, чувствительности, специфичности и каппа Коэна соответствующих бинарных классификаторов. Второстепенные цели включают цели, указанные выше, но с использованием временных точек +24 месяца и +36 месяцев; и, наконец, оценить, улучшилась ли производительность модели для целей и результатов, указанных выше, если модель имеет доступ к речевым данным в моменты времени 1 неделя, 1 месяц и 3 месяца.