AI-styrd riskbedömning och detektering av sarkopeni (SARC-AI)
AI-driven integration av muskelmassa och muskelfunktion: En ny metod för riskbedömning och intervention av sarkopeni
Sarkopeni, den åldersrelaterade nedgången i muskelmassa och funktion, är en viktig bidragande faktor till skörhet, funktionshinder och dödlighet hos äldre vuxna. Nuvarande diagnostiska verktyg bedömer muskelkvantitet eller funktion separat och saknar prediktiva biomarkörer, vilket begränsar tidig upptäckt och personlig hantering. Denna studie föreslår ett AI-drivet ramverk som integrerar multimodal fysiologisk, metabol och funktionell data med övervakning av bärbara sensorer för att förbättra riskbedömning av sarkopeni och vägleda individuella interventioner.
I Fas 1 kommer vi att analysera en stor retrospektiv dataset av 3 500 vuxna för att identifiera tidiga prediktorer för sarkopeni och utveckla en maskininlärningsbaserad riskstratifieringsmodell. Fas 2 kommer att testa en 12-veckors personlig tränings- och näringsintervention hos 120 deltagare, med användning av realtidssensordata och AI-styrda justeringar för att optimera resultat. Detta integrerade tillvägagångssätt syftar till att främja tidig upptäckt, precisionsintervention och långsiktig muskelhälsa i åldrande populationer.
Studieöversikt
Status
Betingelser
Intervention / Behandling
Detaljerad beskrivning
Bakgrund:
Sarkopeni, definierad som progressiv förlust av skelettmuskelmassa och funktion, innebär betydande risker för fall, funktionsnedsättning, metabol dysfunktion och dödlighet hos äldre vuxna. Nuvarande klinisk diagnostik förlitar sig på statiska mått på muskelstyrka eller massa, vilket ofta missar tidigt skede eller subklinisk nedgång. Dessutom visar konventionella interventioner, såsom styrketräning och ökad proteinintag, hög interindividuell variation i resultat på grund av faktorer som baslinjemuskelfenotyp, metabol status, genetik och tarmmikrobiomsammansättning. Framväxande teknologier, inklusive bärbara sensorer, högkapacitetsmetabol profilering och AI/ML-tillvägagångssätt, ger möjlighet att skapa prediktiva, individualiserade ramverk för sarkopeniriskanalys och hantering.
Mål:
- Utveckla och validera en AI-driven modell som integrerar muskelkomposition, funktionell prestanda och metaboliska biomarkörer för att förutsäga sarkopeniriskt.
- Implementera en personanpassad, adaptiv intervention som kombinerar träning och näring, vägledd av AI-förutsägelser och realtidsövervakning.
- Utvärdera effektiviteten av denna intervention på muskelmassa, funktionell prestanda och metabol hälsa hos äldre vuxna.
Metoder:
Fas 1: Retrospektiv analys av multimodal data från 3 500 vuxna, inklusive muskelkomposition (DXA, MRI), funktionella tester (handstyrka, stoluppstigning), metaboliska markörer och mikrobiomprofiler. AI/ML-modeller kommer att tränas för att förutsäga sarkopeniriskt och identifiera nyckelförutsägande egenskaper. Validering kommer att ske med hjälp av en delmängd av nyligen rekryterade deltagare under standardvård.
Fas 2: En 12-veckors prospektiv intervention med 120 vuxna i åldern 50-70 år, stratifierade i sarkopeniriskgrupper baserat på Fas 1-förutsägelser. Deltagare kommer att få AI-vägledd personanpassad träning (styrka och aerob) och näringsplaner, övervakade via bärbara sensorer och en mobilapp. Datainsamling inkluderar MRI och DXA för muskelkomposition, funktionella prestandatester, metaboliska och inflammatoriska biomarkörer, mikrobiomprofilering och självrapporterade utfall. Interventionsrespons kommer att analyseras med hjälp av mixed-effects-modeller och ML för att identifiera prediktorer för effektivitet.
Betydelse och innovation:
Denna studie integrerar AI-driven riskprediktion med personanpassade, realtidsadaptiva interventioner, vilket adresserar nuvarande diagnostiska och terapeutiska luckor i sarkopenivård. Genom att kombinera muskelstruktur, funktion, metabolisk, beteendemässig och mikrobiomdata möjliggör den tidig upptäckt av muskelnedgång, individualiserad hantering och förbättrad följsamhet. Ramverket har potential för bred klinisk översättning, digital hälsointegration och framtida kommersialisering som en skalbar AI-baserad sarkopeniplattform.
Förväntade utfall:
- AI-baserade sarkopeniscreeningverktyg för tidig upptäckt och riskstratifiering.
- Personanpassade tränings- och näringsprotokoll skräddarsydda för individuell risk och fysiologi.
- Ett skalbart, datadrivet interventionsramverk lämpligt för klinisk eller hemmabaserad användning.
Förbättrad förståelse av heterogena responser på sarkopeniinterventioner.
Studietyp
Inskrivning (Beräknad)
Fas
- Inte tillämpbar
Kontakter och platser
Studieorter
-
-
-
Tel Aviv, Israel, 69978
- Sylvan Adams Sport Institute
-
-
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Beskrivning
Inklusionskriterier:
- Män och kvinnor i åldern 50–70 år
- Risk för sarkopeni baserat på screening av muskelmassa och/eller muskelfunktion
- Kan delta i övervakad träning
- Villiga att följa studieprocedurer och lämna skriftligt informerat samtycke
Exklusionskriterier:
- Deltagit i strukturerad träning eller viktminskningsprogram under de senaste 6 månaderna
- Instabil kroppsvikt (>±5 %) under de senaste 6 månaderna
- Aktuell rökning eller rökning under de senaste 6 månaderna
- Graviditet, amning eller postmenopaus
- Kontraindikationer mot MRI (t.ex. implanterade enheter, tatueringar, permanent makeup)
- Svår kardiopulmonal sjukdom (t.ex. nyligen genomgången hjärtinfarkt, instabil angina)
- Muskuloskeletala eller neuromuskulära tillstånd som begränsar träningsdeltagande
- Kognitiv nedsättning
- Kroniska sjukdomar inklusive cancer, diabetes, thyreoideasjukdom, hypertoni eller kronisk njursvikt
- Användning av läkemedel som påverkar metabolismen
- Sekundär leversjukdom (virusorsakad, autoimmun, alkoholrelaterad eller läkemedelsinducerad)
- Alkoholintag >20 g/dag (kvinnor) eller >30 g/dag (män)
Studieplan
Hur är studien utformad?
Designdetaljer
- Primärt syfte: Förebyggande
- Tilldelning: N/A
- Interventionsmodell: Enskild gruppuppgift
- Maskning: Ingen (Open Label)
Vapen och interventioner
Deltagargrupp / Arm |
Intervention / Behandling |
|---|---|
|
Experimentell: AI-styrd Personlig Tränings- och Näringsintervention
Alla deltagare genomgår omfattande baslinjeprofilering och får en 12-veckors personlig, AI-styrd tränings- och näringsintervention som är utformad för att förbättra muskelmassa, muskelfunktion och metabolisk hälsa. Individuella rekommendationer genereras med hjälp av en maskininlärningsbaserad prediktionsmodell för sarkopenirisken och justeras dynamiskt baserat på fysiologiska responser och data från bärbara sensorer. Deltagarna stratifieras efter sarkopenirisken (låg, måttlig, hög) men alla får samma adaptiva interventionsramverk. |
Deltagarna genomför 12 veckor av övervakad styrke- och konditionsträning kombinerat med personlig näringsstöd.
Träningsrecept (3 styrkepass/vecka; 2-3 konditionspass/vecka) och kostrådgivning (inklusive proteinmål) individualiseras med hjälp av AI-modeller och data från wearables.
En mobilapp ger realtidsfeedback och övervakning, med säkerhetskontakter varannan vecka.
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Noggrannhet av AI-baserad sarkopeni riskprediktionsmodell
Tidsram: Från baslinje till uppföljningens slut (upp till 12 månader)
|
Prediktiv prestanda hos en AI-baserad modell för att identifiera nuvarande och framtida risk för sarkopeni med hjälp av multimodala basdata, inklusive kroppssammansättning, muskel funktion, metaboliska biomarkörer och mätvärden från wearables.
|
Från baslinje till uppföljningens slut (upp till 12 månader)
|
|
Förändring av MRI-avledd lårmuskelvolym
Tidsram: Baseline till 12 veckor
|
Genomsnittlig förändring i lårets skelettmuskelvolym bedömd med 3-Tesla MRI (Siemens Prisma) med standardiserad segmenteringsanalys. Mätenhet: cm³ |
Baseline till 12 veckor
|
|
Förändring i handgreppsstyrka (kg)
Tidsram: Baslinje till 12 veckor
|
Genomsnittlig förändring i maximal handstyrka mätt med en Jamar-dynamometer (bästa av tre försök). Mätenhet: kg |
Baslinje till 12 veckor
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Förändring i appendikulärt magermassaindex (ALM/längd²) mätt med DXA
Tidsram: Baseline till 12 veckor
|
Genomsnittlig förändring i appendikulärt muskelmassaindex (ALM dividerat med längden i kvadrat) mätt med helkropps dual-energy X-ray absorptiometry (DXA; Hologic QDR 4500A). Mätenhet: kg/m² |
Baseline till 12 veckor
|
|
Förändring i vilometabolism (kcal/dag)
Tidsram: Baseline till 12 veckor
|
Genomsnittlig förändring i vilometabolism mätt med indirekt kalorimetri med Cosmed Quark RMR-system under standardiserade fasta förhållanden. Mätenhet: kcal/dag |
Baseline till 12 veckor
|
|
Förändring i tarmmikrobiomets mångfald
Tidsram: Baseline till 12 veckor
|
Genomsnittlig förändring i tarmmikrobiomdiversitet bedömd med 16S rRNA-gensekvensering från extraherad mikrobiell DNA och beräknad med Shannon diversitetsindex.
|
Baseline till 12 veckor
|
|
Förändring i totalpoäng för Short Physical Performance Battery (SPPB)
Tidsram: Baseline till 12 veckor
|
Genomsnittlig förändring i totalpoängen för Short Physical Performance Battery (SPPB), som bedömer funktionen i nedre extremiteterna. Måttenhet: Skalpoäng (0-12) |
Baseline till 12 veckor
|
|
Förändring i livskvalitet enligt SF-36
Tidsram: Baseline till 12 veckor
|
Förändring i hälsorelaterad livskvalitet utvärderad med 36-Item Short Form Health Survey (SF-36). Måttenhet: SF-36 skalskår (0-100) |
Baseline till 12 veckor
|
Samarbetspartners och utredare
Sponsor
Utredare
- Huvudutredare: Yftach Gepner, Tel Aviv University
Studieavstämningsdatum
Studera stora datum
Studiestart (Faktisk)
Primärt slutförande (Beräknad)
Avslutad studie (Beräknad)
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
- Neurologiska manifestationer
- Sjukdomar i nervsystemet
- Neuromuskulära manifestationer
- Patologiska tillstånd, anatomiska
- Muskelatrofi
- Atrofi
- Patologiska tillstånd, tecken och symtom
- Tecken och symtom
- Sarkopeni
- Diet, mat och näring
- Fysiologiska fenomen
- Näringsfysiologiska fenomen
- Befolkningsegenskaper
- Hälsostatus
- Demografi
- Näringsstatus
Andra studie-ID-nummer
- 0011903-1
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
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 .