此页面是自动翻译的,不保证翻译的准确性。请参阅 英文版 对于源文本。

基于移动应用程序的脑肿瘤患者自管理远程神经系统检查 (NEMO)

2026年2月21日 更新者:Dr Archya Dasgupta、Tata Memorial Centre

脑肿瘤患者使用移动应用程序进行自我管理的远程神经学检查

本观察性研究旨在评估使用"Iskhaa"移动应用程序对5岁以上能够遵循应用程序指示的脑肿瘤患者进行自我管理远程神经学检查的可行性和准确性。

研究主要回答以下问题:

  1. 开发具备症状评估功能并能在患者执行特定神经学任务时录制视频的移动应用程序。
  2. 开发并验证能够检测功能变化并预测后续神经功能恶化的AI模型。

参与者将:

  1. 使用Iskhaa移动应用程序,按照预先录制的视频指导进行引导式自我神经学检查。
  2. 完成EORTC QLQ-C30和BN20问卷以进行生活质量评估。
  3. 使用手机摄像头录制并上传视频(如言语、行走、肢体运动)以供分析。
  4. 在第一阶段(现场),100名参与者将在监督下使用应用程序,以确保可用性和准确性。
  5. 在第二阶段(非现场),500名参与者将在家中独立使用应用程序进行每月自我评估,并接收提醒和随访支持。
  6. 按照标准临床护理继续每3-6个月的门诊随访和每6-12个月的影像学检查。

研究将通过人工智能分析,比较应用程序记录的数据与医生评估结果,以确定远程神经学监测的一致性和有效性。

研究概览

详细说明

移动应用程序"Iskhaa"将与巴巴原子研究中心(BARC)电子部门合作开发。 该应用程序将兼容Android 8.0或更高版本。 该软件包含两个组件——移动应用程序(供患者和医疗保健提供者使用)和桌面应用程序(供医疗保健提供者使用)。 通过该应用程序记录的数据将存储在可通过医院网络访问的安全医院服务器中。 应用程序需记录的不同临床特征样本详见附录A。该移动应用程序最初将以英语开发,随后在初始3-6个月内通过版本升级逐步翻译成印地语、马拉地语和孟加拉语。 将使用预录制视频指导患者重复执行将被记录用于神经学检查的动作。 此类指导示例包括言语(要求患者说出固定句子)、步态(如行走20步、串联行走以检查小脑功能)、抬起单侧肢体等。 此外,移动应用程序中将提供欧洲癌症研究与治疗组织(EORTC)生活质量核心问卷(QLQ-C30)和脑癌模块(BN20)。 记录的症状将存储在安全数据库中,研究调查员可通过移动或桌面应用程序进行查阅。 当(现场或在线)评估完成后,数据将在位于塔塔纪念中心的中央站点进行电子更新,调查员将收到提醒通知。 为提升用户依从性和软件性能,将根据需求定期进行版本升级以优化应用程序界面。 应用程序界面示例详见下图。

年龄超过5岁、经诊断为脑肿瘤、预期生存期超过6个月且能够遵循移动应用程序指导的患者将被纳入研究筛选范围。 在签署书面知情同意书或 assent 表格(如适用)后,患者将被正式纳入研究。 研究初期阶段将包含100名患者的现场评估,这些患者需使用移动应用程序评估症状并录制神经功能评估视频。 在此阶段,应用程序将安装在特定手机(非患者自有设备)上。 完成评估后,所有患者将由责任医师在门诊按照标准流程进行复评。 将进行详细神经学检查,覆盖移动应用程序中所有症状和功能评估维度。 现场评估的主要目的是由内部团队在患者手机安装前提供应用程序使用技术支持,确保无缝过渡和使用体验。 第二阶段评估将包含500名进行虚拟检查(非现场)的患者。 在获得参与研究同意后,移动应用程序将安装在个人手机上。 患者需在家进行月度评估,系统将设置提醒确保及时完成,若延迟超过7天将通过电话提醒。 患者和护理人员可使用手机摄像头录制并上传视频。 此外,患者将被指导在症状恶化时进行自我评估(非计划内)。 患者将按标准机构实践每3-6个月在门诊进行随访体检,并根据组织学诊断每6-12个月进行影像学检查,若出现神经功能恶化则由责任医师根据临床需求决定,不受研究参与影响。

所有已完成数据将供研究调查员提取分析。 症状学评估将以描述性统计呈现,并分析序列变化。 应用程序记录的数据将与每次门诊医师评估结果进行关联分析。 将对患者执行并以视频格式记录的所有单项任务进行计算分析。 神经功能(如步态和运动)将采用结合卷积神经网络(CNN)和视觉变换器(ViT)的混合模型,通过人工智能算法进行记录。 视频数据将通过OpenPose等先进姿态估计工具进行预处理,提取相关特征如轮廓、骨骼表征或姿态关键点。 每帧图像将通过CNN主干网络(如ResNet或EfficientNet)处理以提取低层空间特征。 这些特征将输入视觉变换器模块,跨帧序列建模全局时间依赖性,从而提供患者步态的稳健表征。 该混合框架能够检测步态中细微的异常、病变或变异,这对临床监测至关重要。 模型将使用来自不同患者群体和临床场景的视频数据进行训练和验证。 通过利用高速影像的粒度特征,该模型旨在提供高精度输出,如步态分类、异常检测或针对应用需求定制的参数回归。 集成前沿技术(如用于增强时空分析的3D视觉变换器)将确保模型的稳健性和泛化能力。 此外,将引入可解释人工智能(XAI)方法解读模型预测,提供可操作的见解并增强系统可信度。

研究类型

观察性的

注册 (估计的)

600

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。

学习联系方式

  • 姓名:Dr Archya Dasgupta, Radiation Oncology, MD
  • 电话号码:91-22-24177000 8097081506
  • 邮箱:archya1010@gmail.com

学习地点

    • Maharashtra
      • Mumbai、Maharashtra、印度、400012
        • 招聘中
        • Tata Memorial Centre
        • 接触:
        • 首席研究员:
          • Dr Archya Dasgupta, MD

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

  • 孩子
  • 成人
  • 年长者

接受健康志愿者

不

取样方法

非概率样本

研究人群

脑肿瘤患者。

描述

纳入标准:

  1. 经组织病理学/放射学诊断为脑肿瘤。
  2. 年龄 > 5岁
  3. 患者或护理人员能够使用安卓智能手机并可安装移动应用程序。
  4. 研究招募期间预期生存期超过6个月。
  5. 签署患者知情同意书或家长同意书/儿童知情同意书(如适用)。

排除标准:

  1. 患者或护理人员无法可靠遵循指示或使用移动应用程序。
  2. 患有严重认知或精神问题导致使用应用程序或遵循指示困难的患者。
  3. 卡氏功能状态评分(KPS)或兰氏功能状态评分(LPS)<50。
  4. 预期寿命不足6个月的终末期疾病。

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

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
开发一款配备症状评估功能,并能在患者执行特定神经学任务时录制视频的移动应用程序。
大体时间:两年
采用Cohen kappa统计方法分析患者通过应用程序自我评估神经系统状态与医师评估结果之间的相关性。
两年
通过移动应用程序预测神经状态
大体时间:2年
基于应用程序记录的神经系统症状与疾病状态(复发或未复发)的回归分析。
2年

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。

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)

2026年2月20日

初级完成 (估计的)

2027年11月1日

研究完成 (估计的)

2027年11月5日

研究注册日期

首次提交

2025年11月14日

首先提交符合 QC 标准的

2025年11月14日

首次发布 (实际的)

2025年11月19日

研究记录更新

最后更新发布 (实际的)

2026年2月24日

上次提交的符合 QC 标准的更新

2026年2月21日

最后验证

2026年2月1日

更多信息

与本研究相关的术语

药物和器械信息、研究文件

研究美国 FDA 监管的药品

不

研究美国 FDA 监管的设备产品

不

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.

订阅