Udvikling af et dybt læringssystem til identifikation af neuro-oftalmologiske tilstande på farvefundusfotografier i akutmodtagelsen (DEEP-VISION)
I de senere år er kunstig intelligens (AI) blevet bredt integreret i det medicinske område, hvilket især har bidraget til forbedret patientdiagnostik. BONSAI-studiet, Brain and Optic Nerve Study with AI, som vores team deltager i, har med succes demonstreret AIs evne til at identificere individuelle neuro-ophthalmologiske eller neurologiske patologier, der påvirker synsnerverne og/eller hjernen, ud fra et simpelt fundusbillede.
Selvom dette er et lovende fremskridt, er det fortsat begrænset i den nuværende kliniske praksis. Vores store udfordring er at være i stand til at identificere en bredere vifte af synsnerve- og/eller hjernepatologier samtidigt i samme analyse for at forbedre patienthåndteringen, især for dem, der henvises til akutmodtagelser. I mangel af en præcis diagnose kan komplikationer være irreversible og livstruende.
Blandt de mest alarmerende kliniske tegn i akutafdelingen er papilleødem af stasis, som ledsaget af akut hovedpine kan indikere tilstedeværelsen af intrakraniel hypertension, inflammatorisk eller iskæmisk patologi. Sidstnævnte kan være en manifestation af Hortons sygdom. Vores team har udviklet en AI-algoritme til at diagnosticere abnormiteter i nethinden og optisk nerve baseret på retinofotografier taget under ideelle forhold under planlagte konsultationer og ikke på billeder af patienter, der præsenterer sig på skadestuen. På hospitaler uden oftalmologiske akutmodtagelser er det væsentligt, at akutlæger (akutlæger, praktiserende læger, neurologer) er i stand til at vurdere fundus i fravær af en øjenlæge. Selv om denne vurdering er en del af den generelle undersøgelse, giver den ofte udfordringer for ikke-øjenlæger. Målet med vores undersøgelse er at forbedre ydeevnen af vores AI-algoritme, så den kan skelne mellem forskellige retinale og optiske nervepatologier i akutmodtagelsen. Vi planlægger derfor at opbygge en database med fundusbilleder ved prospektivt at inkludere patienter, der præsenterer sig for oftalmologiske og neurologiske akutafdelinger på Fondation Adolphe de Rothschild Hospital. Ydeevnen af den udviklede algoritme vil blive evalueret i henhold til standardkriterier for sensitivitet, specificitet, area under the curve (AUC) og nøjagtighed.
Studieoversigt
Status
Status
Betingelser
Betingelser
Undersøgelsestype
Undersøgelsestype
Tilmelding (Anslået)
Tilmelding
Kontakter og lokationer
Studiekontakt
Studiekontakt
- Navn: Amelie Yavchitz, Dr
- Telefonnummer: 33 148036454
- E-mail: ayavchitz@for.paris
Studiesteder
-
-
-
Paris, Frankrig, 75019
- Rekruttering
- Hôpital Fondation Adolphe de Rothschild
-
Kontakt:
- Yavchitz
- Telefonnummer: 33 1 48 03 64 54
- E-mail: ayavchitz@for.paris
-
-
Deltagelseskriterier
Berettigelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Prøveudtagningsmetode
Studiebefolkning
Beskrivelse
Inklusionskriterier:
- Patient på 18 år og derover
- Præsenterer til akutafdelingen på Fondation Adolphe de Rothschild hospitalet
- Udtrykt samtykke til at deltage i undersøgelsen
- Medlem eller begunstiget af en social sikringsordning
Ekskluderingskriterier:
- Patient under retsbeskyttelse
- Gravide eller ammende kvinder
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Hvad måler undersøgelsen?
Primære resultatmål
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Andel af korrekte forudsigelser blandt alle positive forudsigelser ud af alle samlede forudsigelser af algoritmen (positiv + negativ)
Tidsramme: Dag 30
|
Guldstandarden vil være diagnosen stillet af en senior øjenlæge på baggrund af patientens journal konsulteret på D30 efter akutbesøget
|
Dag 30
|
Sekundære resultatmål
Sekundære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Algoritmens følsomhed for hver øjensygdom
Tidsramme: Dag 30
|
Guldstandarden vil være diagnosen stillet af en senior øjenlæge på baggrund af patientens journal konsulteret på D30 efter akutbesøget
|
Dag 30
|
|
Specificitet af algoritmen for hver øjensygdom
Tidsramme: Dag 30
|
Guldstandarden vil være diagnosen stillet af en senior øjenlæge på baggrund af patientens journal konsulteret på D30 efter akutbesøget
|
Dag 30
|
|
Area under the curve (AUC) for hver øjensygdom
Tidsramme: Dag 30
|
Guldstandarden vil være diagnosen stillet af en senior øjenlæge på baggrund af patientens journal konsulteret på D30 efter akutbesøget
|
Dag 30
|
Samarbejdspartnere og efterforskere
Sponsor
Sponsor
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
Studiestart
Primær færdiggørelse (Anslået)
Primær færdiggørelse
Studieafslutning (Anslået)
Studieafslutning
Datoer for studieregistrering
Først indsendt
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først indsendt, der opfyldte QC-kriterier
Først opslået (Faktiske)
Først opslået
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
Sidste opdatering sendt
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
Andre undersøgelses-id-numre
- DMA_2024_6
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Studerer et amerikansk FDA-reguleret enhedsprodukt
produkt fremstillet i og eksporteret fra U.S.A.
Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .