Искусственный интеллект на основе речи для обнаружения деменции у датских пациентов (DetectAI)
Разработка и проверка неинвазивных датских биомаркеров языка и речи для классификации нейродегенеративных заболеваний посредством автоматического распознавания речи с помощью искусственного интеллекта (Detectai)
Цель этого наблюдательного исследования - разработка и тестирование модели искусственного интеллекта (ИИ), которая может обнаружить признаки деменции и связанные с ним условия из речевых записей. Основной вопрос заключается в том, может ли модель ИИ на основе речи правильно раздавать людей с нормальной памятью и мышлением от людей с когнитивными нарушениями.
В исследовании также будет изучено, может ли ИИ отличать деменцию от депрессии, отдельные подтипы деменции и определить, какие люди с легкими когнитивными нарушениями (MCI) могут развиваться деменция.
Участники выполнят короткие задачи памяти и речи во время записи. Модель ИИ будет анализировать эти записи, чтобы изучить закономерности, связанные с различными диагнозами. В конце исследования его точность будет проверена на новых участников.
Обзор исследования
Статус
Условия
Вмешательство/лечение
- Диагностический тест: Мини-психическое государственное обследование
- Диагностический тест: Когнитивное обследование Адденбрука
- Другой: Speech Task - Picture Description
- Другой: Speech Task - Picture Recall
- Диагностический тест: MRI
- Диагностический тест: blood sampling
- Диагностический тест: Depression screening
- Другой: Somatic- and neurological examination
- Другой: Speech Task - Picture Narrative
Подробное описание
Фоновое деменция является растущей проблемой общественного здравоохранения, а ранняя и точная диагностика имеет важное значение для эффективного ухода и потенциального будущего лечения заболевания. Текущие диагностические пути являются ресурсными и связаны с длительным временем ожидания. Речь отражает когнитивное функционирование, и недавние международные исследования показали, что ИИ может обнаружить связанные с деменцией закономерности в речевых записях с многообещающей точностью. Это исследование направлено на разработку и проверку речевой модели ИИ в датской обстановке, предоставляя неинвазивный и масштабируемый инструмент скрининга для использования в первичной медицинской помощи.
Фазы один этот протокол описывает первую фазу нашего исследования, который, как ожидается, будет завершена в двух отдельных этапах.
На первом этапе мы стремимся обучить модель искусственного интеллекта для анализа речевых данных от участников с когнитивными нарушениями и сравнить ее с речевыми данными от здоровых участников контроля, как это подробно описано в этом протоколе. Если метод подтвержден, мы продолжим на второй этап.
Будущая работа во второй фазе мы ожидаем провести внешнюю проверку. Анализ модели искусственного интеллекта будет проводиться на 200 участниках в секторе первичной медицинской помощи, упомянутым для оценки деменции. Результаты анализа ИИ будут сравниваться с окончательным диагнозом консенсуса золота.
Фаза второй будет иметь отдельный протокол, который будет обработан на основе результатов первой фазы.
Уточнение времени перспективы Другое: гибридный дизайн. Большинство участников будут включены в перекрестное исследование, связанное с тем, что контроль за делом (отдельная речевая запись). Для участников с MCI данные последующих последующих данных будут собраны в течение периода исследования для оценки прогрессирования на деменцию, что позволяет оценить способность модели различать прогрессив от не прогрессивного MCI.
Тип исследования
Регистрация (Оцененный)
Контакты и местонахождение
Контакты исследования
- Имя: Sofie J Vængebjerg, MD
- Номер телефона: +4530294621
- Электронная почта: sova@regsj.dk
Учебное резервное копирование контактов
- Имя: Peter Høgh, MD, PhD, Assoc Prof
- Номер телефона: +45 22526698
- Электронная почта: phh@regionsjaelland.dk
Места учебы
-
-
Region Sjælland
-
Roskilde, Region Sjælland, Дания, 4000
- Zealand University Hospital
-
Контакт:
- Sofie J Vængebjerg, MD, PhD student
- Номер телефона: +45 30294621
- Электронная почта: sova@regsj.dk
-
Контакт:
- Peter Høgh, MD, PhD, Assoc Prof
- Электронная почта: phh@regionsjaelland.dk
-
-
Критерии участия
Критерии приемлемости
Возраст, подходящий для обучения
- Взрослый
- Пожилой взрослый
Принимает здоровых добровольцев
Метод выборки
Исследуемая популяция
Описание
Критерии включения:
- Возраст> 50 лет
- Свободно владеет датским
- Минимум 7 лет обучения
Для участников из последующей когорты:
- Консенсус диагноз либо AD, VAD, LBD, FTD, MCI или депрессии, установленной в клинике памяти в течение 6 месяцев до регистрации
Для участников из здоровой контрольной когорты:
- Нет известных когнитивных нарушений или аффективного расстройства
Критерии исключения:
- Значительно нарушенное зрение или слух (в той степени, в которой участник не может участвовать в лингвистическом анализе ИИ)
- Участники не могут дать согласие
Участники от последующих и новой когорты рефералов:
- Оценка MMSE <16
- Участники с несколькими диагнозами (например. смешанная деменция или реклама с одновременной депрессией)
Для участников из новой когорты рефералов:
- Участники, выходящие за пределы шести категорий, включенных в исследование (AD, VAD, LBD, FTD, MCI, депрессия)
- Участники, где на исходном уровне очевидно, что они не попадают в вышеуказанные категории (могут быть исключены до того, как будет назначен диагноз клинического консенсуса)
Для участников из здоровой контрольной когорты:
- MMSE <26 и ACE <90
- Оценка GDS указывает на депрессию (6 или выше)
- Клинические, лабораторные или нейрорадиологические результаты, которые могут повлиять на когнитивные функции
Учебный план
Как устроено исследование?
Детали дизайна
Когорты и вмешательства
Группа / когорта |
Вмешательство/лечение |
|---|---|
|
Cognitively Healthy Control Participants for Model A
We seek to enroll 40 age-matched cognitively healthy control participants for the training of model A.
|
Участники будут записаны во время теста по порядку, пока не позволит ИИ изучать и анализировать речевые модели.
Другие имена:
Участники будут записаны во время теста по порядку, пока не позволит ИИ изучать и анализировать речевые модели.
Другие имена:
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.
|
Участники будут записаны во время теста по порядку, пока не позволит ИИ изучать и анализировать речевые модели.
Другие имена:
Участники будут записаны во время теста по порядку, пока не позволит ИИ изучать и анализировать речевые модели.
Другие имена:
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.
|
Участники будут записаны во время теста по порядку, пока не позволит ИИ изучать и анализировать речевые модели.
Другие имена:
Участники будут записаны во время теста по порядку, пока не позволит ИИ изучать и анализировать речевые модели.
Другие имена:
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
|
Что измеряет исследование?
Первичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
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.
Временное ограничение: 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)
|
Вторичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Точность деменции против депрессии
Временное ограничение: На исходном уровне (запись речи)
|
Измеряется по чувствительности, специфичности, AUR-ROC прогнозов AI по сравнению с диагнозом клинического консенсуса, используя базовые речевые записи от участников.
Производительность модели будет измерена после блокировки базы данных при завершении исследования.
|
На исходном уровне (запись речи)
|
|
Субклассификация легких когнитивных нарушений (MCI) в прогрессивную и не прогрессирующую
Временное ограничение: На исходном уровне (запись речи) и до 12 месяцев после зачисления (для определения прогрессии)
|
Измеряется по чувствительности, специфичности, AUR-ROC прогнозов AI по сравнению с диагнозом клинического консенсуса, используя базовые речевые записи от участников. Производительность модели будет измерена после блокировки базы данных при завершении исследования. Прогрессия определяется как новый диагноз деменции в течение периода исследования. |
На исходном уровне (запись речи) и до 12 месяцев после зачисления (для определения прогрессии)
|
|
Классификация подтипов деменции (AD, VAD, LBD, FTD)
Временное ограничение: На исходном уровне (запись речи)
|
Измеряется по чувствительности, специфичности, AUR-ROC прогнозов AI по сравнению с диагнозом клинического консенсуса, используя базовые речевые записи от участников.
Производительность модели будет измерена после блокировки базы данных при завершении исследования.
|
На исходном уровне (запись речи)
|
|
Сравнение с установленными биомаркерами
Временное ограничение: На исходном уровне, или во время тестирования биомаркера, если это выполнено после базового уровня
|
Различия в точности диагностики между предсказаниями ИИ и современными биомаркерами для диагностики деменции
|
На исходном уровне, или во время тестирования биомаркера, если это выполнено после базового уровня
|
|
Анализ важности особенности
Временное ограничение: На исходном уровне (запись речи)
|
Важность функции будет оцениваться с помощью анализа интерпретируемости (например,
важность перестановки, значения SHAP и/или удаление групп признаков) для количественной оценки вклада акустических и лингвистических особенностей в прогнозы модели.
|
На исходном уровне (запись речи)
|
Другие показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Количество задач, необходимых для оптимальной точности
Временное ограничение: На исходном уровне (запись речи)
|
Оценка того, обеспечивает ли уменьшенный набор задач речи, сравнимую с полной тестовой батареей.
|
На исходном уровне (запись речи)
|
|
Вклад отдельных задач речи в производительность модели искусственного интеллекта
Временное ограничение: На исходном уровне (запись речи)
|
Вклад отдельных задач речи будет оцениваться путем сравнения производительности модели (например,
Точность, чувствительность, специфичность, AUC-ROC) при обучении и тестировании на подмножествах речевых задач (тесты памяти, воспоминания истории, описание изображения).
Это определит, какие задачи обеспечивают самый сильный диагностический сигнал.
|
На исходном уровне (запись речи)
|
Соавторы и исследователи
Спонсор
Следователи
- Главный следователь: Peter Høgh, MD, PhD, Assoc Prof, Zealand University Hospital
Публикации и полезные ссылки
Общие публикации
- 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.
Даты записи исследования
Изучение основных дат
Начало исследования (Оцененный)
Первичное завершение (Оцененный)
Завершение исследования (Оцененный)
Даты регистрации исследования
Первый отправленный
Впервые представлено, что соответствует критериям контроля качества
Первый опубликованный (Действительный)
Обновления учебных записей
Последнее опубликованное обновление (Действительный)
Последнее отправленное обновление, отвечающее критериям контроля качества
Последняя проверка
Дополнительная информация
Термины, связанные с этим исследованием
Ключевые слова
- машинное обучение
- слабоумие
- Когнитивные нарушения
- стресс
- искусственный интеллект
- глубокое обучение
- Легкое когнитивное нарушение (MCI)
- Лобно-височная деменция (ЛВД)
- Lewy Body Dementia (LBD)
- Речевый искусственный интеллект
- Искусственный интеллект в диагностике деменции
- Искусственный интеллект для скрининга деменции
- Искусственный интеллект для классификации деменции
- речевой искусственный интеллект
- Сосудистая деменция (VAD)
- Альцгеймер деменция (AD)
- Депрессия - серьезное депрессивное расстройство
- Деменция (диагноз)
Дополнительные соответствующие термины MeSH
- Синуклеинопатии
- Цереброваскулярные расстройства
- Заболевания головного мозга
- Заболевания центральной нервной системы
- Заболевания нервной системы
- Сосудистые заболевания
- Сердечно-сосудистые заболевания
- Психические расстройства
- Патологические процессы
- Метаболические заболевания
- Нейрокогнитивные расстройства
- Когнитивные расстройства
- Таупатии
- Нейродегенеративные заболевания
- Двигательные расстройства
- Паркинсонические расстройства
- Заболевания базальных ганглиев
- TDP-43 Протеинопатии
- Недостатки протеостаза
- Артериосклероз
- Артериальные окклюзионные заболевания
- Лейкоэнцефалопатии
- Внутричерепной атеросклероз
- Внутричерепные артериальные заболевания
- Лобно-височная долевая дегенерация
- Патологические состояния, признаки и симптомы
- Пищевые и метаболические заболевания
- Когнитивная дисфункция
- Болезнь Альцгеймера
- Болезнь
- Слабоумие
- Лобно-височная деменция
- Деменция, сосудистая
- Болезнь с тельцами Леви
- Следственные методы
- Обработка образца
- Клинические лабораторные методы
- Диагностические методы и процедуры
- Диагноз
- Проколы
- Хирургические процедуры, оперативные
- Генетические явления
- Плоиды
- Сбор образцов крови
- Диплоидия
Другие идентификационные номера исследования
- SJ-1107
Планирование данных отдельных участников (IPD)
Планируете делиться данными об отдельных участниках (IPD)?
Информация о лекарствах и устройствах, исследовательские документы
Изучает лекарственный продукт, регулируемый FDA США.
Изучает продукт устройства, регулируемый Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США.
Эта информация была получена непосредственно с веб-сайта clinicaltrials.gov без каких-либо изменений. Если у вас есть запросы на изменение, удаление или обновление сведений об исследовании, обращайтесь по адресу register@clinicaltrials.gov. Как только изменение будет реализовано на clinicaltrials.gov, оно будет автоматически обновлено и на нашем веб-сайте. .
Клинические исследования Стресс
-
VA Office of Research and DevelopmentVA St. Louis Health Care SystemПрекращеноВетераны, направленные в St. Louis VAMC Stress TesСоединенные Штаты
Клинические исследования Мини-психическое государственное обследование
-
Centre Francois BaclesseЗавершенный
-
Fondazione Policlinico Universitario Agostino Gemelli...Рекрутинг