- ICH GCP
- US Clinical Trials Registry
- Klinisk forsøg NCT04592068
AI klassificerer multi-nethindesygdomme
Dyb læringsbaseret automatiseret klassificering af multi-nethindesygdom fra fundusfotografering
Studieoversigt
Status
Betingelser
Detaljeret beskrivelse
Nethindesygdomme truer synet og livskvaliteten alvorligt, men de udvikler sig ofte snigende. Hidtil har deep learning (DL) algoritmer vist høje muligheder inden for biomedicinsk videnskab, især i diagnosticering af øjensygdomme, såsom diabetisk retinopati, aldersrelateret makuladegeneration, retinopati hos præmaturitet, glaukom og papilleødem. Der mangler dog stadig en enkelt algoritme, der kan klassificere multisygdomme fra fundusfotografering.
Denne tværsnitsundersøgelse vil etablere en DL-algoritme til automatisk at klassificere multisygdomme fra fundusfotografering og differentiere alvorlige synstruende tilstande og andre retinale abnormiteter. Vi vil bruge receiver operation characteristic (ROC) kurven til at undersøge evnen til at genkende og klassificere sygdomme. Taget resultaterne af ekspertpanelet som guldstandarden, vil vi bruge evalueringsindekserne, såsom sensitivitet, specificitet, nøjagtighed, positiv forudsigelsesværdi, negativ prædiktiv værdi, osv., til at sammenligne den diagnostiske kapacitet mellem AI-genkendelsessystemet og den menneskelige øjenlæge .
Undersøgelsestype
Tilmelding (Forventet)
Kontakter og lokationer
Studiesteder
-
-
Beijing
-
Beijing, Beijing, Kina, 100730
- Rekruttering
- Wen-Bin Wei
-
-
Deltagelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Barn
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Køn, der er berettiget til at studere
Prøveudtagningsmetode
Studiebefolkning
Beskrivelse
Inklusionskriterier:
- fundusfotografering omkring 45° felt, som dækker optisk disk og makula
- fuldstændige patientidentifikationsoplysninger;
Ekskluderingskriterier:
- ufuldstændige patientidentifikationsoplysninger
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Kohorter og interventioner
Gruppe / kohorte |
Intervention / Behandling |
---|---|
Nethinde multi-sygdomme diagnosticeret af DL-algoritme
|
DL-algoritme klassificerer automatisk multisygdomme fra fundusfotografering og differentierer alvorlige synstruende tilstande og andre retinale abnormiteter.
|
Nethinde multi-sygdomme diagnosticeret af ekspertpanel
|
Ekspertpanel klassificerer multisygdomme fra fundusfotografering og skelner mellem alvorlige synstruende tilstande og andre retinale abnormiteter.
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
---|---|---|
Område under kurve
Tidsramme: En uge
|
Vi vil bruge receiver operation characteristic (ROC) kurven til at undersøge evnen til at genkende og klassificere sygdomme.
Taget resultaterne af ekspertpanelet som guldstandarden, vil vi bruge området under kurven til at sammenligne den diagnostiske kapacitet mellem AI-genkendelsessystemet og den menneskelige øjenlæge.
|
En uge
|
Følsomhed og specificitet
Tidsramme: En uge
|
Taget resultaterne af ekspertpanelet som guldstandarden, vil vi bruge sensitivitet og specificitet til at sammenligne den diagnostiske kapacitet mellem AI-genkendelsessystemet og den menneskelige øjenlæge.
|
En uge
|
Positiv og negativ prædiktiv værdi
Tidsramme: En uge
|
Taget resultaterne af ekspertpanelet som guldstandarden, vil vi bruge positiv og negativ prædiktiv værdi til at sammenligne den diagnostiske kapacitet mellem AI-genkendelsessystemet og menneskelig øjenlæge.
|
En uge
|
Nøjagtighed
Tidsramme: En uge
|
Taget resultaterne af ekspertpanelet som guldstandarden, vil vi bruge nøjagtighed til at sammenligne den diagnostiske kapacitet mellem AI-genkendelsessystemet og den menneskelige øjenlæge.
|
En uge
|
Samarbejdspartnere og efterforskere
Sponsor
Samarbejdspartnere
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
Primær færdiggørelse (Forventet)
Studieafslutning (Forventet)
Datoer for studieregistrering
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først opslået (Faktiske)
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
- Retinal multi diseases
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 .
Kliniske forsøg med Nethindesygdomme
-
University of TorontoOntario Research FundUkendtCentral retinal veneokklusion | Gren retinal veneokklusion | Central retinal arterieokklusion | Branch retinal arterieokklusionCanada
-
Khon Kaen UniversityRekrutteringRetinal vaskulærThailand
-
Khon Kaen UniversityIkke rekrutterer endnu
-
Kasr El Aini HospitalAfsluttet
-
University of ManchesterAfsluttet
-
Zilia Inc.CHU de Quebec-Universite LavalAfsluttetRetinal vaskulær | NethindenCanada
-
BioFirst CorporationAfsluttet
-
Dar El Oyoun HospitalCairo UniversityAfsluttetRetinal arterie makroaneurismeEgypten
-
Medical University of ViennaRekrutteringGren retinal veneokklusion | Nethindens blodgennemstrømning | Retinal iltmætningØstrig