Comutti - Ett forskningsprojekt dedikerat till att hitta smarta sätt att använda teknik för en bättre morgondag för alla, överallt. (COMUTTI)
Enligt Världshälsoorganisationen har ett av 160 barn i världen en ASD. Ungefär 25 % till 30 % av barnen kan inte använda verbalt språk för att kommunicera (icke-verbal ASD) eller är minimalt verbala, d.v.s. använder färre än 10 ord (mv-ASD). Förmågan att kommunicera är en avgörande livsförmåga och svårigheter med kommunikation kan få en rad negativa konsekvenser som sämre livskvalitet och beteendesvårigheter. Kommunikationsinterventioner syftar i allmänhet till att förbättra barns förmåga att kommunicera antingen genom tal eller genom att komplettera tal med andra medel (t.ex. teckenspråk, bilder eller AAC - Advanced Augmented Communication Tools). Individer med icke-verbal ASD eller mv-ASD kommunicerar ofta med människor genom vokaliseringar som i vissa fall har en självkonsekvent fonetisk association till begrepp (t.ex. "ba" för att betyda "badrum") eller är onomatopoiska uttryck (t.ex. "woof" "för att hänvisa till en hund). I de flesta fall låter vokaliseringar godtyckliga; även om de varierar i ton, tonhöjd och varaktighet beroende på är det extremt svårt att tolka det avsedda budskapet eller individens känslomässiga eller fysiska tillstånd de skulle förmedla, vilket skapar en barriär mellan personer med ASD och resten av världen som orsakar stress och frustration. Endast vårdgivare som har långvarig bekantskap med ämnena kan avkoda sådana ordlösa ljud och tilldela dem unika betydelser.
Detta projekt syftar till att definiera algoritmer, metoder och teknologier för att identifiera den kommunikativa avsikten med röstuttryck som genereras av barn med mv-ASD, och att skapa verktyg som hjälper människor som inte är bekanta med ämnena att förstå dessa individer under spontana samtal.
Studieöversikt
Status
Betingelser
Studietyp
Inskrivning (Faktisk)
Fas
- Inte tillämpbar
Kontakter och platser
Studieorter
-
-
Lecco
-
Bosisio Parini, Lecco, Italien, 23842
- Scientific Institute, IRCCS Eugenio Medea
-
-
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
Tar emot friska volontärer
Beskrivning
Inklusionskriterier:
- ha en klinisk diagnos av autismspektrumstörning enligt DSM-5 kriterier
- använd färre än 10 ord
Exklusions kriterier:
- använda någon stimulerande eller icke-stimulerande medicin som påverkar det centrala nervsystemet
- har en identifierad genetisk störning
- har syn- eller hörselproblem
- lider av kronisk eller akut medicinsk sjukdom
Studieplan
Hur är studien utformad?
Designdetaljer
- Primärt syfte: Grundläggande vetenskap
- Tilldelning: N/A
- Interventionsmodell: Enskild gruppuppgift
- Maskning: Ingen (Open Label)
Vapen och interventioner
Deltagargrupp / Arm |
Intervention / Behandling |
|---|---|
|
Experimentell: Experimentell: skapande av audiosignaldatauppsättningar och maskininlärningsanalys
Experimentell: skapande och bearbetning av ljudsignaldatauppsättning; maskininlärningsanalys, empiriska utvärderingar
|
Klinisk utvärdering av deltagare med hjälp av Autism Diagnostic Observation Schema
Projektet testar och anpassar teknologin som utvecklats vid MIT för insamling och märkning av vokalisering, och bidrar till datainsamling bland italienska ämnen (och kvalitetsvalidering av dem) för att skapa en multikulturell datauppsättning och möjliggöra tvärkulturella studier och analyser.
Därefter läggs fokus på analysen av harmoniska egenskaper hos ljudet i vokaliseringarna av datamängden för att identifiera återkommande individuella egenskaper och mönster som motsvarar specifika kommunikationsändamål eller känslomässiga tillstånd.
Övervakade och oövervakade metoder för maskininlärning utvecklas och olika maskininlärningsalgoritmer kommer att jämföras för att identifiera de mest exakta för projektets mål.
Sist genomförs en utforskande utvärdering av maskininlärningsmodellen för vokaliseringsförståelse för att testa användbarheten och användbarheten av verktyget för vokaliseringstolkning.
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Frekvens för ljudsignalsampler och deras tillhörande etiketter
Tidsram: omedelbart efter ingripandet
|
Frekvens (mätt i antal per timme) av ljudsignalsampler (ljud och verbaliseringar) som produceras av varje deltagare inspelade under sjukhusvistelser, i olika sammanhang (dvs under pedagogiska interventioner och/eller i stunder av ostrukturerad lek) märkt som självprat , glädje, oreglering, frustration, begäran eller socialt utbyte. En liten, trådlös inspelare (Sony TX800 Digital Voice Recorder TX Series) kommer att fästas på deltagarens kläder med hjälp av starka magneter. Därefter måste de vuxna (vårdare och/eller operatörer) associera de ljud som barnet producerar till en affektiv och/eller till den troliga betydelsen av vokaliseringen -etiketter- genom användning av en webbapp. |
omedelbart efter ingripandet
|
|
Deltagarspecifika övertonsegenskaper härledda av ljudsignalsamplen
Tidsram: omedelbart efter ingripandet
|
Temporala och spektrala ljudfunktioner - dvs tonhöjdsrelaterade funktioner, formanterfunktioner, energirelaterade funktioner, timingfunktioner, artikulationsfunktioner - extraheras från proverna och används därefter för övervakad och oövervakad maskininlärningsanalys. De insamlade ljudsignalsamplen kommer att segmenteras i närheten av etiketternas tidsmässiga platser. Därefter kommer den att segmenteras och associeras med temporärt angränsande etiketter (affektiva tillstånd eller trolig betydelse av vokaliseringar). Ljudharmoniska egenskaper (temporala/fonetiska egenskaper) kommer sedan att identifieras för varje deltagare med hjälp av övervakad/oövervakad maskininlärningsanalys av ljudsignalsampler. Genom denna process kommer deltagarspecifika mönster som motsvarar specifika kommunikationssyften eller känslomässiga tillstånd att identifieras. |
omedelbart efter ingripandet
|
|
Noggrannhet i maskininlärningsförutsägelse
Tidsram: omedelbart efter ingripandet
|
Klassificeringsnoggrannheten för maskininlärningsanalys, d.v.s. antalet korrekta förutsägelser dividerat med det totala antalet förutsägelser, som kommer att testas i en bibehållen testuppsättning av inspelade ljudsignalsampler. Dessa resultatmått kommer att uppskatta användbarheten/nyttan av det utvecklade verktyget för vokaliseringstolkning baserat på en maskininlärningsanalys av de inspelade ljudsignalsamplen. |
omedelbart efter ingripandet
|
Samarbetspartners och utredare
Sponsor
Utredare
- Huvudutredare: Alessandro Crippa, Ph.D., IRCCS Eugenio Medea
Studieavstämningsdatum
Studera stora datum
Studiestart (Faktisk)
Primärt slutförande (Faktisk)
Avslutad studie (Faktisk)
Studieregistreringsdatum
Först inskickad
Först inskickad som uppfyllde QC-kriterierna
Första postat (Faktisk)
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
Senast verifierad
Mer information
Termer relaterade till denna studie
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- 868
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
Läkemedels- och apparatinformation, studiedokument
Studerar en amerikansk FDA-reglerad läkemedelsprodukt
Studerar en amerikansk FDA-reglerad produktprodukt
produkt tillverkad i och exporterad från U.S.A.
Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .