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

Algoritmus hlubokého učení pro detekci obstrukčního onemocnění koronárních tepen pomocí snímků očního pozadí

22. října 2023 aktualizováno: Yong Zeng

Umělá inteligence, trénovaná prostřednictvím modelového učení, dokáže rychle rozpoznat lékařské snímky a je široce používána při včasném screeningu onemocnění a asistované diagnostice. Díky neustálé optimalizaci hlubokého učení pomohla aplikace AI objevit některé dříve neznámé souvislosti s jinými systémovými onemocněními. Umělou inteligenci založenou na snímcích sítnicového fundu lze využít k detekci anémie, hepatobiliárních onemocnění a chronického onemocnění ledvin a k predikci dalších systémových biomarkerů. Výše uvedené studie poskytují teoretický základ pro aplikaci technologie umělé inteligence založené na snímcích sítnicového fundu k diagnostice a predikci kardiovaskulárních onemocnění.

V současnosti v Číně a ve světě stále chybí přesné, rychlé a snadno použitelné diagnostické a terapeutické nástroje pro prediktivní modelování rizika ischemické choroby srdeční a nástroje včasného screeningu. Fundus image je postupně využíván jako nástroj pro rozsáhlý screening nemocí díky svému speciálnímu propojení s cévami v celém těle a také snadnému, levnému a efektivnímu přístupu. Má velký vědecký a společenský význam vyvinout a ověřit model pro identifikaci a predikci ischemické choroby srdeční a jejích rizikových faktorů na základě snímků očního pozadí pomocí algoritmů hlubokého učení AI a prozkoumat hodnotu AI snímků očního pozadí při pomoci ischemické chorobě srdeční. diagnostika a screening pro širokou škálu aplikací.

Přehled studie

Typ studie

Pozorovací

Zápis (Odhadovaný)

7000

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 záloha kontaktů

Studijní místa

    • 北京
      • Beijing, 北京, Čína, 100029

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

Věk způsobilý ke studiu

  • Dospělý
  • Starší dospělý

Přijímá zdravé dobrovolníky

Ano

Metoda odběru vzorků

Ukázka pravděpodobnosti

Studijní populace

Způsobilí účastníci byli ve věku ≥ 18 let, s klinickým podezřením na ICHS a byli naplánováni na koronarografii

Popis

Kritéria pro zařazení:

Vhodní účastníci byli ve věku ≥ 18 let s klinickým podezřením na ICHS a byla u nich naplánována koronarografie.

Kritéria vyloučení:

Kritéria vyloučení byla následující: (i) předchozí perkutánní koronární intervence (PCI); (ii) předchozí bypass koronární artérie (CABG); (iii) jiné srdeční onemocnění (např. vrozené srdeční onemocnění, chlopenní srdeční onemocnění nebo makrovaskulární onemocnění); iv) nemožnost pořídit fotografie; a (v) a diagnózu infarktu myokardu s elevací ST segmentu (STEMI). Před procedurou koronární angiografie poskytli všichni způsobilí pacienti informovaný souhlas s účastí ve studii a s použitím jejich fotografií pro výzkumné účely.

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
Intervence / Léčba
skupina onemocnění koronárních tepen / skupina onemocnění nekoronárních tepen
Rekrutovaní pacienti byli na základě koronarografických nálezů rozděleni do skupiny s onemocněním koronárních tepen a do skupiny s onemocněním bez koronárních tepen a přítomnost CAD byla definována jako přítomnost léze koronární tepny se stenózou
Za účelem získání zlatého standardu značení pro ischemickou chorobu srdeční bude toto téma tvořit panel odborníků na značení a diagnóza bude založena na koronarografii, definované jako léze se stenózou alespoň 50 % v alespoň jednom koronární tepna

Co je měření studie?

Primární výstupní opatření

Měření výsledku
Popis opatření
Časové okno
AUC
Časové okno: 30. prosince 2024
Pro vyhodnocení výkonu algoritmu byla vypočtena oblast pod křivkou provozní charakteristiky přijímače (AUC).
30. prosince 2024

Sekundární výstupní opatření

Měření výsledku
Popis opatření
Časové okno
citlivost
Časové okno: 30. prosince 2024
Pro hodnocení výkonnosti algoritmu byla vypočtena citlivost
30. prosince 2024
specifičnost
Časové okno: 30. prosince 2024
Pro hodnocení výkonnosti algoritmu byla vypočtena specificita
30. prosince 2024

Spolupracovníci a vyšetřovatelé

Zde najdete lidi a organizace zapojené do této studie.

Sponzor

Vyšetřovatelé

  • Vrchní vyšetřovatel: Yong Zeng, Beijing An Zhen Hospital: Capital Medical University Affiliated Anzhen Hospital

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)

1. července 2021

Primární dokončení (Odhadovaný)

1. srpna 2024

Dokončení studie (Odhadovaný)

30. prosince 2024

Termíny zápisu do studia

První předloženo

22. října 2023

První předloženo, které splnilo kritéria kontroly kvality

22. října 2023

První zveřejněno (Aktuální)

26. října 2023

Aktualizace studijních záznamů

Poslední zveřejněná aktualizace (Aktuální)

26. října 2023

Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality

22. října 2023

Naposledy ověřeno

1. října 2023

Více informací

Termíny související s touto studií

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 .

Předplatit