Tato stránka byla automaticky přeložena a přesnost překladu není zaručena. Podívejte se prosím na anglická verze pro zdrojový text.

Development of a Mobile Terminal-Based Intelligent Detection System for Multiple Anterior Segment Diseases of the Eye (LENS)

8. června 2026 aktualizováno: Zhongshan Ophthalmic Center, Sun Yat-sen University

This is a multi-center, cross-sectional study evaluating a smartphone-based artificial intelligence (AI) system for anterior segment eye disease screening. The system is designed to identify 16 clinically important anterior segment conditions from images captured using a standard Android smartphone. A core design feature of the system is that all image analysis is performed entirely on the smartphone itself, without requiring internet connectivity or cloud-based server infrastructure.

The study is motivated by a structural challenge in the deployment of medical AI: systems that depend on cloud infrastructure for inference are non-functional in settings without reliable internet access, which disproportionately excludes populations in low-resource regions where the burden of preventable eye disease is highest. This study evaluates whether an on-device AI system, designed with operational constraints as a primary engineering objective, can deliver clinically acceptable diagnostic performance while remaining operable under real-world connectivity limitations.

The study comprises five evaluation components. First, the diagnostic performance of the AI system is benchmarked against board-certified ophthalmologists of varying seniority on a standardized set of smartphone-captured anterior segment images. Second, the usability of the system is evaluated among non-medical users who perform self-administered screening with minimal instruction, with per-screening time recorded across consecutive attempts to characterize the learning curve. Third, a head-to-head field trial directly compares the on-device AI system against a functionally equivalent cloud-based deployment of the same model architecture across key operational dimensions including screening duration, diagnostic performance, and user acceptability. Fourth, population-level screening is conducted among consecutively enrolled community residents at two low-resource sites, with per-disease sensitivity and specificity calculated against reference-standard slit-lamp examinations. Fifth, pre-specified health-economic and environmental analyses compare the two deployment modalities in terms of per-person screening cost, cost-effectiveness, per-inference electricity consumption, and projected carbon emissions at scale.

The reference standard for all diagnostic comparisons is slit-lamp biomicroscopic examination performed by board-certified ophthalmologists. The study is designed and reported in accordance with the DECIDE-AI reporting guideline for early-stage clinical evaluation of AI-driven decision-support systems.

Přehled studie

Postavení

Postavení

Označuje aktuální stav náboru nebo stav rozšířeného přístupu.
Nábor

Podmínky

Podmínky

Nemoc, porucha, syndrom, nemoc nebo zranění, které je studováno. Na webu ClinicalTrials.gov mohou podmínky zahrnovat i další problémy související se zdravím, jako je délka života, kvalita života a zdravotní rizika.

Intervence / Léčba

Intervence / Léčba

Proces nebo akce, na které se klinická studie zaměřuje. Intervence zahrnují léky, zdravotnická zařízení, postupy, vakcíny a další produkty, které jsou buď zkoušené nebo již dostupné. Intervence mohou také zahrnovat neinvazivní přístupy, jako je edukace nebo úprava stravy a cvičení.

Typ studie

Typ studie

Popisuje povahu klinické studie. Typy studií zahrnují intervenční studie (také nazývané klinické studie), observační studie (včetně registrů pacientů) a rozšířený přístup.
Pozorovací

Zápis (Odhadovaný)

Zápis

Počet účastníků klinické studie. „Očekávaný“ zápis je cílový počet účastníků, které výzkumníci pro studii potřebují.
3000

Kontakty a umístění

Tato část poskytuje kontaktní údaje pro ty, kteří studii provádějí, a informace o tom, kde se tato studie provádí.

Studijní kontakt

Studijní kontakt

Jméno a kontaktní údaje osoby, která může odpovědět na otázky týkající se registrace do klinické studie. Každé místo, kde se studie provádí, může mít také konkrétní kontakt, který může lépe odpovědět na tyto otázky.

Studijní záloha kontaktů

  • Jméno: Longhui Li

Studijní místa

  • Čína
    • Guangdong
      • Guangzhou, Guangdong, Čína, 510060
        • Nábor
        • Zhongshan Ophthalmic Center, Sun Yat-sen University
        • Kontakt:

Kritéria účasti

Výzkumníci hledají lidi, kteří odpovídají určitému popisu, kterému se říká kritéria způsobilosti. Některé příklady těchto kritérií jsou celkový zdravotní stav osoby nebo předchozí léčba.

Kritéria způsobilosti

Kritéria způsobilosti

Klíčové požadavky, které musí lidé, kteří se chtějí zúčastnit klinické studie, splňovat nebo vlastnosti, které musí mít. Kritéria způsobilosti se skládají jak z kritérií pro zařazení (která jsou vyžadována pro účast osoby ve studii), tak z kritérií vyloučení (která brání osobě v účasti). Typy kritérií způsobilosti zahrnují, zda studie přijímá zdravé dobrovolníky, má požadavky na věk nebo věkovou skupinu nebo je omezena pohlavím.

Věk způsobilý ke studiu

  • Dospělý
  • Starší dospělý

Přijímá zdravé dobrovolníky

Ano

Metoda odběru vzorků

Ukázka pravděpodobnosti

Studijní populace

Participants are adults aged 18 years or older enrolled from four source populations: consecutive outpatients at a tertiary ophthalmic center and community hospitals; non-medical adults with no ophthalmic training recruited from a tertiary clinic for usability evaluation; community residents aged 60 years or older from two low-resource sites in western and southwestern China for field deployment evaluation; and board-certified ophthalmologists of varying seniority serving as diagnostic raters for AI benchmarking.

Popis

Inclusion Criteria:

  • Adults aged 18 years or older;
  • Willing to participate and able to provide written informed consent prior to enrollment.

Exclusion Criteria:

  • Unable to cooperate with anterior segment image capture (including smartphone-based photography or slit-lamp biomicroscopy).

Studijní plán

Tato část poskytuje podrobnosti o studijním plánu, včetně toho, jak je studie navržena a co studie měří.

Jak je studie koncipována?

Detaily designu

Kohorty a intervence

Skupina / kohorta

Skupina / kohorta

Skupina nebo podskupina účastníků pozorovací studie, která je hodnocena z hlediska biomedicínských nebo zdravotních výsledků.
Intervence / Léčba

Intervence / Léčba

Proces nebo akce, na které se klinická studie zaměřuje. Intervence zahrnují léky, zdravotnická zařízení, postupy, vakcíny a další produkty, které jsou buď zkoušené nebo již dostupné. Intervence mohou také zahrnovat neinvazivní přístupy, jako je edukace nebo úprava stravy a cvičení.
On-Device Deployment Group
Participants screened using a smartphone-based AI system that performs all image inference locally on the device without requiring internet connectivity. The AI system analyzes smartphone-captured anterior segment images and generates diagnostic outputs entirely on the smartphone hardware, independent of cloud infrastructure or network access.
Přístroj: Smartphone-based on-device artificial intelligence system for anterior segment eye disease screening
A structured-pruned one-stage object-detection model deployed as a standalone Android application, performing all image inference on-device without internet connectivity, designed to detect 16 anterior segment eye diseases from smartphone-captured images.
Cloud-Based Deployment Group
Participants screened using a functionally equivalent deployment of the same AI model architecture, in which smartphone-captured anterior segment images are transmitted to a remote server for inference, with diagnostic outputs returned via internet connection. This group serves as the comparator to evaluate the operational differences attributable solely to deployment modality, as the underlying model architecture is identical between the two groups.
Přístroj: Smartphone-based on-device artificial intelligence system for anterior segment eye disease screening
A structured-pruned one-stage object-detection model deployed as a standalone Android application, performing all image inference on-device without internet connectivity, designed to detect 16 anterior segment eye diseases from smartphone-captured images.

Co je měření studie?

Primární výstupní opatření

Primární výstupní opatření

V protokolu klinické studie je plánovaná výsledná míra, která je nejdůležitější pro hodnocení účinku intervence/léčby. Většina klinických studií má jedno primární měřítko výsledku, ale některé mají více než jedno.
Měření výsledku
Popis opatření
Časové okno
Case-level diagnostic accuracy of the AI system compared with board-certified ophthalmologists
Časové okno: Day 1
Case-level accuracy is defined as the proportion of images with fully correct diagnostic labels concordant with the reference standard. The AI system and board-certified ophthalmologists stratified by clinical seniority (junior: fewer than 5 years of independent practice; intermediate: 5 to 15 years; senior: more than 15 years) independently evaluate the same standardized set of smartphone-captured anterior segment images, sampled to ensure balanced representation of all 16 disease categories and normal eyes. The reference standard for each image is established by a senior ophthalmologist with more than 30 years of clinical experience who does not participate in the benchmarking exercise. Clinicians are masked to the AI system output and to each other's assessments throughout.
Day 1
Diagnostic accuracy of the AI system when operated by non-medical users
Časové okno: Day 1
Diagnostic accuracy is defined as the proportion of images correctly classified by non-medical users operating the AI system independently. Non-medical users, including patients and their family members attending the outpatient clinic of Zhongshan Ophthalmic Center, are instructed to install the AI application on their own smartphones, follow the in-app guidelines, and capture anterior segment images of an accompanying person to receive a screening result. All inference is performed on-device without internet connectivity. AI-generated diagnostic outputs are compared with reference-standard diagnoses obtained from subsequent slit-lamp examinations performed by ophthalmologists at the same clinic.
Day 1
Sensitivity of the on-device AI system in population-level community screening
Časové okno: Day 1
Sensitivity is defined as the proportion of participants with a given anterior segment disease who are correctly identified as positive by the on-device AI system (true positives divided by the sum of true positives and false negatives), calculated separately for each target disease category. Village staff without medical training use the on-device AI system to screen consecutively enrolled local residents. The reference standard is established through slit-lamp examinations performed by ophthalmologists.
Day 1
Incremental cost-effectiveness ratio of on-device versus cloud-based screening
Časové okno: Day 1
The incremental cost-effectiveness ratio (ICER) is defined as the difference in lifetime costs between on-device and cloud-based screening divided by the difference in quality-adjusted life-years (QALYs) between the two strategies, estimated from a pre-specified decision-analytic model comprising a decision tree with a downstream Markov state-transition structure applied to a simulated cohort of 100,000 individuals.
Day 1
Per-inference electricity consumption of on-device versus cloud-based deployment
Časové okno: Day 1
Electricity consumption in joules per inference cycle is measured over 10,000 inference cycles on both the on-device smartphone and a standardized cloud-server configuration (Intel Xeon Gold 6248 CPU, NVIDIA Tesla V100 GPU) using the Experiment Impact Tracker toolkit. Cloud-server measurements are averaged across low-traffic and high-traffic server conditions. Results are reported separately for the on-device and cloud-based deployment modalities and compared as a ratio.
Day 1

Sekundární výstupní opatření

Sekundární výstupní opatření

V protokolu klinické studie jde o plánované měřítko výsledku, které není tak důležité jako primární měřítko výsledku pro hodnocení účinku intervence, ale je stále zajímavé. Většina klinických studií má více než jedno sekundární měřítko výsledku.
Měření výsledku
Popis opatření
Časové okno
Total image evaluation time of the AI system compared with board-certified ophthalmologists
Časové okno: Day 1
Total time in seconds required to complete independent evaluation of all images in the standardized benchmarking set, recorded separately for the AI system and for the board-certified ophthalmologists. Reported as mean with standard deviation for both the AI system and the clinician group.
Day 1
Per-screening time learning curve among non-medical operators
Časové okno: Day 1
The duration of each screening attempt in seconds is recorded for analysis. Participants repeat the screening process and self-evaluate their operating proficiency after each attempt. The procedure is concluded once a participant deems himself or herself proficient for three consecutive attempts. The learning curve is characterized by the change in mean per-screening duration across consecutive attempts.
Day 1
Screening duration comparing on-device and cloud-based deployment in resource-limited field settings
Časové okno: Day 1
Mean screening duration in seconds per participant, recorded for each of the two deployment modalities: on-device inference and cloud-based inference using a functionally equivalent deployment of the identical model architecture with inference performed on a remote server. Local residents are divided into two equal groups and screened by village staff without medical training using either the on-device or the cloud-based system.
Day 1
User acceptability comparing on-device and cloud-based deployment in resource-limited field settings
Časové okno: Day 1
User acceptability is assessed using a questionnaire investigating patient satisfaction, privacy concerns, and willingness to recommend the AI system, administered to participants in both the on-device and cloud-based deployment groups. Local residents are divided into two equal groups and screened by village staff without medical training using either the on-device or the cloud-based system. Questionnaire responses are compared between the two deployment groups.
Day 1
Diagnostic accuracy of the on-device AI system in population-level community screening
Časové okno: Day 1
Diagnostic accuracy is defined as the proportion of participants for whom the AI system assigns a correct diagnostic label concordant with the reference standard. Village staff without medical training use the on-device AI system to screen consecutively enrolled local residents. The reference standard is established through slit-lamp examinations performed by ophthalmologists.
Day 1
Specificity of the on-device AI system in population-level community screening
Časové okno: Day 1
Specificity is defined as the proportion of participants without a given anterior segment disease who are correctly identified as negative by the on-device AI system (true negatives divided by the sum of true negatives and false positives), calculated separately for each target disease category. Village staff without medical training use the on-device AI system to screen consecutively enrolled local residents. The reference standard is established through slit-lamp examinations performed by ophthalmologists.
Day 1

Spolupracovníci a vyšetřovatelé

Zde najdete lidi a organizace zapojené do této studie.

Sponzor

Sponzor

Organizace nebo osoba, která iniciuje studii a která má autoritu a kontrolu nad studií.
Zhongshan Ophthalmic Center, Sun Yat-sen University

Vyšetřovatelé

Vyšetřovatelé

Výzkumník zapojený do klinické studie. Související pojmy zahrnují hlavní řešitel, dílčí řešitel, vedoucí studie, vedoucí studie a hlavní řešitel studie.
  • Vrchní vyšetřovatel: Longhui Li, Zhongshan Ophthalmic Center, Sun Yat-sen University

Termíny studijních záznamů

Tato data sledují průběh záznamů studie a předkládání souhrnných výsledků na ClinicalTrials.gov. Záznamy ze studií a hlášené výsledky jsou před zveřejněním na veřejné webové stránce přezkoumány Národní lékařskou knihovnou (NLM), aby se ujistily, že splňují specifické standardy kontroly kvality.

Hlavní termíny studia

Začátek studia (Aktuální)

Začátek studia

Skutečné datum, kdy byl první účastník zařazen do klinické studie. „Očekávané“ datum zahájení studie je datum, o kterém si vědci myslí, že bude datem zahájení studie.
12. prosince 2023

Primární dokončení (Odhadovaný)

Primární dokončení

Datum, kdy byl poslední účastník klinické studie vyšetřen nebo obdržel intervenci ke sběru konečných dat pro primární měření výsledku. Zda byla klinická studie ukončena podle protokolu nebo byla ukončena, toto datum neovlivňuje. U klinických studií s více než jedním primárním výstupním měřením s různými daty dokončení se tento termín vztahuje k datu, kdy je dokončen sběr dat pro všechna primární výsledná měření. „Očekávané“ datum primárního dokončení je datum, o kterém si vědci myslí, že bude primárním datem dokončení studie.
1. května 2028

Dokončení studie (Odhadovaný)

Dokončení studie

Datum, kdy byl poslední účastník klinické studie vyšetřen nebo dostal intervenci/léčbu za účelem shromáždění konečných dat pro měření primárního výsledku, sekundárního měření výsledku a nežádoucí příhody (tj. poslední návštěva posledního účastníka). „Očekávané“ datum dokončení studie je datum, o kterém si vědci myslí, že bude datem dokončení studie.
1. prosince 2028

Termíny zápisu do studia

První předloženo

První předloženo

Datum, kdy zadavatel studie nebo zkoušející poprvé předložil záznam studie na ClinicalTrials.gov. Mezi prvním odeslaným datem a dostupností záznamu na ClinicalTrials.gov (první zveřejněné datum) je obvykle několik dní.
28. května 2026

První předloženo, které splnilo kritéria kontroly kvality

První předloženo, které splnilo kritéria kontroly kvality

Datum, kdy zadavatel studie nebo zkoušející poprvé předloží záznam studie, který je v souladu s kritérii kontroly kvality (QC) Národní lékařské knihovny (NLM). Sponzor nebo zkoušející může potřebovat revidovat a předložit záznam studie jednou nebo vícekrát, než budou splněna kritéria kontroly kontroly kvality NLM. Je odpovědností sponzora nebo zkoušejícího zajistit, aby byl záznam studie v souladu s kritérii kontroly kontroly kvality NLM.
8. června 2026

První zveřejněno (Aktuální)

První zveřejněno

Datum, kdy byl záznam studie poprvé k dispozici na webu ClinicalTrials.gov poté, co byla dokončena kontrola kontroly kvality (QC) National Library of Medicine (NLM). Mezi datem, kdy zadavatel studie nebo zkoušející předložil záznam studie, a prvním zveřejněným datem je typicky několik dní zpoždění.
9. června 2026

Aktualizace studijních záznamů

Poslední zveřejněná aktualizace (Aktuální)

Poslední zveřejněná aktualizace

Nejnovější datum, kdy byly změny záznamu studie zpřístupněny na ClinicalTrials.gov. Mezi okamžikem, kdy byly změny odeslány na ClinicalTrials.gov sponzorem nebo zkoušejícím studie (datum poslední předložení aktualizace), a datem zveřejnění poslední aktualizace může nastat zpoždění.
9. června 2026

Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality

Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality

Nejnovější datum, kdy zadavatel studie nebo zkoušející předložil změny záznamu studie, které jsou v souladu s kritérii kontroly kvality (QC) National Library of Medicine (NLM). Je odpovědností sponzora nebo zkoušejícího zajistit, aby byl záznam studie v souladu s kritérii kontroly kontroly kvality NLM.
8. června 2026

Naposledy ověřeno

Naposledy ověřeno

Nejnovější datum, kdy zadavatel studie nebo zkoušející potvrdil informace o klinické studii na webu ClinicalTrials.gov jako přesné a aktuální. Pokud jde o studii s náborovým statusem náboru; ještě nenabírá nábor; nebo aktivní, nebyl nábor potvrzen během posledních 2 let, status náboru studie je uveden jako neznámý.
1. května 2026

Více informací

Termíny související s touto studií

Klíčová slova

Další relevantní podmínky MeSH

Další identifikační čísla studie

Další identifikační čísla studie

Identifikátory nebo ID čísla jiná než číslo NCT, které klinické studii přiděluje zadavatel studie, financující subjekty nebo jiní. Tato čísla mohou zahrnovat jedinečné identifikátory z jiných registrů studií a čísla grantů National Institutes of Health.
  • 2023KYPJ274

Plán pro data jednotlivých účastníků (IPD)

Plánujete sdílet data jednotlivých účastníků (IPD)?

NE

Informace o lécích a zařízeních, studijní dokumenty

Studuje lékový produkt regulovaný americkým FDA

Ne

Studuje produkt zařízení regulovaný americkým úřadem FDA

Ne

Tyto informace byly beze změn načteny přímo z webu clinicaltrials.gov. Máte-li jakékoli požadavky na změnu, odstranění nebo aktualizaci podrobností studie, kontaktujte prosím register@clinicaltrials.gov. Jakmile bude změna implementována na clinicaltrials.gov, bude automaticky aktualizována i na našem webu .

Nastavení souborů cookie

Používáme cookies, abychom zajistili, že vám poskytneme nejlepší zážitek z našich webových stránek. Pro více informací si pečlivě přečtěte naše Zásady ochrany osobních údajů a cookies. ...>>>Svou preference můžete kdykoli změnit nebo svůj souhlas odvolat odstraněním cookies z vašeho webu nebo počítače, jak je popsáno v zásadách. Přijměte to a vyberte své předvolby zaškrtnutím příslušných polí v části „Správa nastavení“ níže. Než budete pokračovat v používání jakékoli části tohoto webu, pozorně si prosím přečtěte naše Podmínky služby.
«Spravovat nastavení