训练 Aiberry AI 抑郁症检测平台的对照临床试验
2023年6月8日 更新者：Aiberry, Inc
Aiberry AI 抑郁症检测平台在现场环境中对不同人群进行训练并进一步提高检测准确性的对照临床试验
这项受控的多中心试验将训练和验证 Aiberry 平台在不同患者群体中检测抑郁症的能力。
美国多达 10 个站点将参与此协议。
成人和儿童均可参加（13-79 岁）。
总共 1,000 名符合条件的受试者将在 1 次门诊就诊期间完成抑郁症筛查和 Aiberry 视频录制的访谈。
分析将根据抑郁症诊断状态、种族/民族和年龄进行分层。
受试者将参与基线调查问卷以收集人口统计信息和健康史。
研究概览
详细说明
Aiberry 正在开发一个专有的人工智能平台，该平台利用机器学习通过融合丰富的视觉、音频、文本、手势和眼睛注视信息的多模式方法来筛查精神疾病。
我们在这项研究中的目标是验证预测个人将如何响应用于筛查重度抑郁症 (MDD) 和广泛性焦虑症 (GAD) 的自我报告问卷的算法。
在注册之前，参与者将参与基线筛查问卷，以收集人口统计信息、健康史和当前的抑郁症严重程度。
如果参与者符合资格要求和人口招募目标，他们将被邀请参加一次虚拟研究访问，在访问期间他们将完成与研究人员的 10-15 分钟录音访谈以及三份简短的自我报告问卷：1) Quick抑郁症状自我报告清单 (QIDS-SR-16)，2) 一般焦虑症 (GAD-7)，以及 3) 情绪和焦虑问卷的迷你版 (mini-MASQ)，将用作有效性检查参与者的回答在这个和前两个问卷之间是一致的。
我们将通过分析采访视频中的面部、音频和文本特征来评估人工智能技术预测自我报告的抑郁和焦虑症状的能力。
研究类型
观察性的
注册 (实际的)
800
联系人和位置
本节提供了进行研究的人员的详细联系信息，以及有关进行该研究的地点的信息。
学习地点
-
-
Arizona
-
Tucson、Arizona、美国、85719
- University of Arizona
-
-
District of Columbia
-
Washington、District of Columbia、美国、20057
- Georgetown University
-
-
New York
-
New York、New York、美国、10022
- Hapworth Research Inc.
-
-
参与标准
研究人员寻找符合特定描述的人，称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。
资格标准
适合学习的年龄
13年 至 79年 (孩子、成人、年长者)
接受健康志愿者
是的
取样方法
非概率样本
研究人群
有或没有事先心理健康诊断的个人。
描述
纳入标准：
- 年龄 13 至 79 岁
- 英语会话
排除标准：
- 以前的研究参与者
- 无法口头回答标准化问题的个人
- 由于没有合适的硬件（电话/笔记本电脑）或没有互联网连接而无法参加虚拟访问的个人
- 无法提供同意的个人
学习计划
本节提供研究计划的详细信息，包括研究的设计方式和研究的衡量标准。
研究是如何设计的？
设计细节
- 观测模型：其他
- 时间观点：预期
队列和干预
团体/队列 |
干预/治疗 |
|---|---|
|
面试和抑郁症筛查
|
Aiberry 是一家下一代人工智能 (AI) 公司，它利用深度技术来筛查心理健康和大脑相关疾病。
|
研究衡量的是什么？
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
从自我报告工具预测抑郁评分
大体时间：单一评估
|
基于 QIDS-SR-16 预测抑郁严重程度（无、轻度、中度、重度）时出现错误。
|
单一评估
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
中重度抑郁症的分类
大体时间：单一评估
|
对参与者是否符合疑似 MDD (QIDS > 10) 既定截止标准进行分类时的准确性、敏感性、特异性以及阳性和阴性预测值
|
单一评估
|
|
中重度焦虑的分类
大体时间：单一评估
|
对参与者是否符合既定的疑似 GAD 截止标准 (GAD-7 > 9) 进行分类时的准确性、敏感性、特异性以及阳性和阴性预测值
|
单一评估
|
|
从自我报告工具预测焦虑评分
大体时间：单一评估
|
基于 GAD-7 预测焦虑严重程度（无、轻度、中度、重度）时出现错误。
|
单一评估
|
其他结果措施
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
预测特定的焦虑和抑郁症状
大体时间：单一评估
|
在 QIDS-SR 或 GAD-7 上预测对单个项目的响应时出错。
|
单一评估
|
合作者和调查者
在这里您可以找到参与这项研究的人员和组织。
赞助
研究记录日期
这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查，以确保它们在发布到公共网站之前符合特定的质量控制标准。
研究主要日期
学习开始 (实际的)
2022年9月22日
初级完成 (实际的)
2023年4月6日
研究完成 (实际的)
2023年4月6日
研究注册日期
首次提交
2021年7月30日
首先提交符合 QC 标准的
2021年7月30日
首次发布 (实际的)
2021年8月6日
研究记录更新
最后更新发布 (实际的)
2023年6月9日
上次提交的符合 QC 标准的更新
2023年6月8日
最后验证
2023年2月1日
更多信息
此信息直接从 clinicaltrials.gov 网站检索，没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求，请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改，我们的网站上也会自动更新.