Oftalmisk multimodal AI-assisteret medicinsk beslutningstagning
En undersøgelse af oftalmisk multimodal AI-assisteret medicinsk beslutningstagning baseret på billeddannelse og elektroniske journaldata
Studieoversigt
Status
Status
Betingelser
Betingelser
Intervention / Behandling
Intervention / Behandling
Detaljeret beskrivelse
Undersøgelsestype
Undersøgelsestype
Tilmelding (Anslået)
Tilmelding
Kontakter og lokationer
Studiekontakt
Studiekontakt
- Navn: Lan Wang, MD
- Telefonnummer: +86-0577-85397527
- E-mail: wl2832300533@163.com
Studiesteder
-
-
Guangdong
-
Zhuhai, Guangdong, Kina
- Rekruttering
- ZhuHai Hospital, zhuhai, guangdong
-
Kontakt:
- Bingzhou Li
- Telefonnummer: +86-0756-2222569
- E-mail: mr_jerry_99@163.com
-
-
Zhejiang
-
Wenzhou, Zhejiang, Kina
- Rekruttering
- First Affiliated Hospital of Wenzhou Medical University
-
Kontakt:
- Cheng Tang, MD
- Telefonnummer: +86-0577-55579999
- E-mail: c249325687@163.com
-
Wenzhou, Zhejiang, Kina
- Rekruttering
- Second Affiliated Hospital of Wenzhou Medical Universit
-
Kontakt:
- Sian Liu, PhD.
- Telefonnummer: +86-0577-88002888
- E-mail: liusan@mail3.sysu.edu.cn
-
Wenzhou, Zhejiang, Kina
- Rekruttering
- The Eye Hospital of Wenzhou Medical University
-
Kontakt:
- Lan Wang, MD
- Telefonnummer: +86-0577-85397527
- E-mail: wl2832300533@163.com
-
-
-
-
-
Macau, Macau
- Rekruttering
- Macau University of Science and Technology Hospital
-
Kontakt:
- Yang Liu, MD
- Telefonnummer: +853-2882-1838
- E-mail: liuyang.macau@gmail.com
-
-
Deltagelseskriterier
Berettigelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Barn
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Prøveudtagningsmetode
Studiebefolkning
Beskrivelse
Inklusionskriterier:
1. Alle patienter, der har modtaget behandling på flere centre, herunder Øjenhospitalet ved Wenzhou Medical University, First Affiliated Hospital of Wenzhou Medical University, Second Affiliated Hospital of Wenzhou Medical University, ZhuHai Hospital og Macau University of Science and Technology Hospital.
2. Tilgængelighed af omfattende elektroniske sundhedsjournaler (EPJ), herunder: Oftalmiske billeder (f.eks. fundusfotografering, OCT eller spaltelampebilleder). Elektroniske journaler (f.eks. diagnose, behandling og opfølgningsnotater). Undersøgelsesresultater (f.eks. synsstyrke, intraokulært tryk eller laboratorietest). 3.Patienter med en klar og bekræftet diagnose af en eller flere øjensygdomme. 4. Patienter med tilstrækkelige opfølgningsjournaler til at muliggøre vurdering af sygdomsprogression eller prognose, hvis det er relevant.
- Alle oftalmologiske patienter, som tidligere har modtaget behandling på Oftalmologisk afdeling, Øjenhospitalet ved Wenzhou Medical University, First Affiliated Hospital of Wenzhou Medical University, Second Affiliated Hospital of Wenzhou Medical University, Zhuhai People's Hospital og University Hospital.
- Tilgængelighed af omfattende elektroniske sundhedsjournaler (EPJ), herunder: Oftalmiske billeder (f.eks. fundusfotografering, OCT eller spaltelampebilleder). Elektroniske journaler (f.eks. diagnose, behandling og opfølgningsnotater). Undersøgelsesresultater (f.eks. synsstyrke, intraokulært tryk eller laboratorietest).
- Patienter med en klar og bekræftet diagnose af en eller flere øjensygdomme.
- Patienter med tilstrækkelige opfølgningsjournaler til at muliggøre vurdering af sygdomsprogression eller prognose, hvis det er relevant.
Ekskluderingskriterier:
- Ufuldstændige eller manglende kritiske EPJ-komponenter.
- Sager med tvetydige eller uverificerede diagnoser, som ikke kan kategoriseres klart.
- Duplikerede eller redundante data fra samme patient.
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Antal grupper/kohorter
Kohorter og interventioner
Gruppe / kohorteGruppe / kohorte |
Intervention / BehandlingIntervention / Behandling |
|---|---|
|
normal
patienter, der ikke har øjensygdommene
|
|
|
øjensygdomme
patienter, der har øjensygdomme
|
Denne intervention involverer et AI-system, der udnytter multimodal datafusion til at understøtte den kliniske beslutningstagning og evaluering af oftalmiske sygdomme.
Den integrerer multimodale data, herunder fundusfotografering, optisk kohærenstomografi (OCT) og patientjournaler, for at give real-time, præcis og personlig diagnostisk support.
I modsætning til andre modeller bruger dette system et longitudinelt patientdatasæt til at forudsige sygdomsprogression og behandlingsresultater. Nøgle kendetegn omfatter: 1. Multi-modal dataintegration: Kombinerer billeddannelses-, kliniske og genetiske data til omfattende analyse.
2. Forudsigelsesevne: Tilbyder avancerede prognostiske forudsigelser, hvilket muliggør personlige behandlingsplaner.
3. Deep Learning Framework: Anvender state-of-the-art deep learning algoritmer for forbedret diagnostisk nøjagtighed og effektivitet.
4. Real-World Validering: Valideret ved hjælp af en stor kohorte af forskelligartede patientdata, hvilket sikrer generaliserbarhed og robusthed.
|
Hvad måler undersøgelsen?
Primære resultatmål
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Area Under the Curve (AUC)
Tidsramme: 1 år
|
AUC for ROC-kurven, bruges til at kvantificere diagnostisk nøjagtighed.
Ingen enhed (et forhold eller en procentdel, typisk udtrykt som et tal mellem 0 og 1).
|
1 år
|
|
Følsomhed
Tidsramme: 1 år
|
Sensitivitet (også kaldet True Positive Rate) er et mål for, hvor godt en model identificerer positive tilfælde.
Det er defineret som andelen af faktiske positive tilfælde, der er korrekt identificeret af modellen.
Ingen enhed (et forhold eller en procentdel, typisk udtrykt som en procentdel).
|
1 år
|
|
Nøjagtighed Nøjagtighed Nøjagtighed
Tidsramme: 1 år
|
Nøjagtighed måler andelen af alle korrekte forudsigelser (sande positive og sande negative) ud af det samlede antal tilfælde evalueret af modellen.
Ingen enhed (et forhold eller en procentdel, typisk udtrykt som en procentdel).
|
1 år
|
|
Specificitet
Tidsramme: 1 år
|
Specificitet (også kaldet True Negative Rate) måler andelen af faktiske negative tilfælde, der er korrekt identificeret af modellen.
Ingen enhed (et forhold eller en procentdel, typisk udtrykt som en procentdel).
|
1 år
|
|
Falsk positiv rate
Tidsramme: 1 år
|
Falsk Positiv Rate (FPR) måler andelen af faktiske negative tilfælde, der er forkert identificeret som positive af modellen.
Ingen enhed (et forhold eller en procentdel, typisk udtrykt som en procentdel).
|
1 år
|
|
Falsk negativ sats
Tidsramme: 1 år
|
False Negative Rate (FNR) måler andelen af faktiske positive tilfælde, der er forkert identificeret som negative af modellen.
Ingen enhed (et forhold eller en procentdel, typisk udtrykt som en procentdel).
|
1 år
|
|
Postoperativ komplikationsfrekvens
Tidsramme: 1 år
|
Procentdel (%) af patienter, der oplever postoperative komplikationer.
|
1 år
|
|
Risiko for gentagelse
Tidsramme: 1 år
|
Procentdel (%) af patienter, der oplever recidiv i opfølgningsperioden.
|
1 år
|
|
Overlevelsesrate
Tidsramme: 1 år
|
Procentdel (%) af patienter i live, beregnet ved hjælp af Kaplan-Meier overlevelseskurver.
|
1 år
|
|
Effektiviteten af beslutningsstøtte
Tidsramme: 1 år
|
Procentvis (%) forbedring i nøjagtigheden af behandlingsbeslutninger med AI-assistance sammenlignet med traditionelle beslutninger.
|
1 år
|
|
Beslutningstidseffektivitet
Tidsramme: 1 år
|
Gennemsnitlig tid (sekunder), der kræves for læger til at træffe diagnostiske og behandlingsbeslutninger, før og efter AI-assistance.
|
1 år
|
Sekundære resultatmål
Sekundære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
System Usability Score
Tidsramme: 1 år
|
Evalueret ved hjælp af System Usability Scale (SUS), med score fra 0-100.
|
1 år
|
|
AI-systemets responstid
Tidsramme: 1 år
|
Gennemsnitlig tid (sekunder), det tager for AI'en at give anbefalinger efter datainput.
|
1 år
|
|
Systemfejlfrekvens
Tidsramme: 1 år
|
Hyppighed af AI-systemfejl, målt som fejl pr. tusinde timers brug (fejl/tusind timer).
|
1 år
|
|
Brugergrænsefladedesigntilfredshed
Tidsramme: 1 år
|
Evalueret ved hjælp af User Experience Questionnaire (UEQ), med score fra 1-7.
|
1 år
|
|
Patienttilfredshedsscore
Tidsramme: 1 år
|
Målt ved hjælp af Patient Satisfaction Questionnaire (CSQ-8), med score fra 8-32.
|
1 år
|
|
Behandlingsoverholdelse
Tidsramme: 1 år
|
Procentdel (%) af patienter, der overholder personlige behandlingsplaner og regelmæssige opfølgningsbesøg.
|
1 år
|
|
Læge Accept af AI System
Tidsramme: 1 år
|
Evalueret ved hjælp af Technology Acceptance Model (TAM) skalaen, med score fra 1-7.
|
1 år
|
Samarbejdspartnere og efterforskere
Sponsor
Sponsor
Efterforskere
Efterforskere
- Ledende efterforsker: Kang Zhang, PhD., The Eye Hospital of Wenzhou Medical University
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
Nøgleord
Andre undersøgelses-id-numre
Andre undersøgelses-id-numre
- Ophthalmic Multimodal AI
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 .