Udvikling af en optimal algoritme til behandling af patienter med nethindepigmentepitelløsning i neovaskulær aldersrelateret makuladegeneration ved brug af kunstig intelligens
11. april 2023 opdateret af: Viktoria Myasnikova, The S.N. Fyodorov Eye Microsurgery State Institution
Udvikling af en algoritme til forudsigelse af anatomiske og funktionelle resultater af terapi med angiogenesehæmmere hos patienter med retinalpigmentepitelløsninger i neovaskulær aldersrelateret makuladegeneration, baseret på primær optisk kohærenstomografi af makulær zone og kliniske data.
Undersøgelsen involverer udviklingen af en algoritme til forudsigelse af anatomiske og funktionelle resultater af terapi med angiogenese-hæmmere hos patienter med retinale pigmentepitelløsninger i neovaskulær aldersrelateret makuladegeneration, baseret på primær optisk kohærenstomografi af makulær zone og kliniske data.
Studieoversigt
Status
Afsluttet
Betingelser
Intervention / Behandling
Detaljeret beskrivelse
Patienterne blev opdelt i 3 grupper i henhold til terapiens resultater: adhæsion af løsrivelse, manglende overholdelse af løsrivelse, brud på løsrivelse.
For disse grupper vælges OCT-billeder af makulær zone med maksimal løsrivelse før terapi.
Disse billeder er sammen med andre kliniske parametre input til algoritmen.
Resultatet er et af de 3 behandlingsresultater, der er anført ovenfor.
Metoderne, der vil blive brugt til at udvikle algoritmen, omfatter metoder til behandling og transformation af data, dyb maskinlæring, metrikker til beregning af nøjagtigheden af algoritmer.
Undersøgelsestype
Observationel
Tilmelding (Faktiske)
300
Kontakter og lokationer
Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.
Studiesteder
-
-
-
Krasnodar, Den Russiske Føderation, 350012
- The S.N. Fyodorov Eye Microsurgery State Institution
-
-
Deltagelseskriterier
Forskere leder efter personer, der passer til en bestemt beskrivelse, kaldet berettigelseskriterier. Nogle eksempler på disse kriterier er en persons generelle helbredstilstand eller tidligere behandlinger.
Berettigelseskriterier
Aldre berettiget til at studere
- Voksen
- Ældre voksen
Tager imod sunde frivillige
Ja
Prøveudtagningsmetode
Sandsynlighedsprøve
Studiebefolkning
Patienter med retinale pigmentepitelløsninger med aldersrelateret neovaskulær makuladegeneration
Beskrivelse
Inklusionskriterier:
- Lineær B - scan gennem det makulære område med den længste løsrivelse
- Andre patologier
Ekskluderingskriterier:
- Billeder uden løsrivelse
- Billeder, hvor det kun er muligt at diagnosticere behovet for terapi i nærværelse af yderligere faktorer, der ikke er taget i betragtning i undersøgelsen.
Studieplan
Dette afsnit indeholder detaljer om studieplanen, herunder hvordan undersøgelsen er designet, og hvad undersøgelsen måler.
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Kohorter og interventioner
Gruppe / kohorte |
Intervention / Behandling |
|---|---|
|
vedhæftning
gruppen, hvor adhæsionen af neuroepitelial løsrivelse blev observeret efter antivaskulær endotelvækstfaktorterapi
|
0,05 ml anti-VEGF, intravitreal, månedlig
Andre navne:
|
|
ingen vedhæftning
gruppe, hvor der ikke var nogen adhærens af neuroepitelial løsrivelse efter antivaskulær endotelvækstfaktorterapi
|
0,05 ml anti-VEGF, intravitreal, månedlig
Andre navne:
|
|
разрыв
gruppe, hvor neuroepitelial løsrivelse blev observeret efter anti-vaskulær endothelial vækstfaktor terapi
|
0,05 ml anti-VEGF, intravitreal, månedlig
Andre navne:
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Forudsigelsesalgoritme
Tidsramme: 1.09.2022
|
Neural netværksklassifikator
|
1.09.2022
|
Samarbejdspartnere og efterforskere
Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.
Efterforskere
- Studieleder: Viktoria Myasnikova, D.Med.Sc., Deputy Director for Research
Publikationer og nyttige links
Den person, der er ansvarlig for at indtaste oplysninger om undersøgelsen, leverer frivilligt disse publikationer. Disse kan handle om alt relateret til undersøgelsen.
Generelle publikationer
- Rohm M, Tresp V, Muller M, Kern C, Manakov I, Weiss M, Sim DA, Priglinger S, Keane PA, Kortuem K. Predicting Visual Acuity by Using Machine Learning in Patients Treated for Neovascular Age-Related Macular Degeneration. Ophthalmology. 2018 Jul;125(7):1028-1036. doi: 10.1016/j.ophtha.2017.12.034. Epub 2018 Feb 14.
- Prahs P, Radeck V, Mayer C, Cvetkov Y, Cvetkova N, Helbig H, Marker D. OCT-based deep learning algorithm for the evaluation of treatment indication with anti-vascular endothelial growth factor medications. Graefes Arch Clin Exp Ophthalmol. 2018 Jan;256(1):91-98. doi: 10.1007/s00417-017-3839-y. Epub 2017 Nov 10.
- Schmidt-Erfurth U, Bogunovic H, Sadeghipour A, Schlegl T, Langs G, Gerendas BS, Osborne A, Waldstein SM. Machine Learning to Analyze the Prognostic Value of Current Imaging Biomarkers in Neovascular Age-Related Macular Degeneration. Ophthalmol Retina. 2018 Jan;2(1):24-30. doi: 10.1016/j.oret.2017.03.015. Epub 2017 May 31.
- Bogunovic H, Montuoro A, Baratsits M, Karantonis MG, Waldstein SM, Schlanitz F, Schmidt-Erfurth U. Machine Learning of the Progression of Intermediate Age-Related Macular Degeneration Based on OCT Imaging. Invest Ophthalmol Vis Sci. 2017 May 1;58(6):BIO141-BIO150. doi: 10.1167/iovs.17-21789.
- Schmidt-Erfurth U, Waldstein SM, Klimscha S, Sadeghipour A, Hu X, Gerendas BS, Osborne A, Bogunovic H. Prediction of Individual Disease Conversion in Early AMD Using Artificial Intelligence. Invest Ophthalmol Vis Sci. 2018 Jul 2;59(8):3199-3208. doi: 10.1167/iovs.18-24106.
- Kozina, E. V., S. N. Sakhnov, V. V. Myasnikova, E. V. Bykova, and L. E. Aksenova. 2021. 'Modern Trends in Diagnostics and Prediction of Results of Anti-Vascular Endothelial Growth Factor Therapy of Pigment Epithelial Detachment in Neovascular Agerelated Macular Degeneration Using Deep Machine Learning Method (Literature Review)'. Acta Biomedica Scientifica 6 (6-1): 190-203. https://doi.org/10.29413/ABS.2021-6.6-1.22.
Datoer for undersøgelser
Disse datoer sporer fremskridtene for indsendelser af undersøgelsesrekord og resumeresultater til ClinicalTrials.gov. Studieregistreringer og rapporterede resultater gennemgås af National Library of Medicine (NLM) for at sikre, at de opfylder specifikke kvalitetskontrolstandarder, før de offentliggøres på den offentlige hjemmeside.
Studer store datoer
Studiestart (Faktiske)
1. november 2021
Primær færdiggørelse (Faktiske)
1. september 2022
Studieafslutning (Faktiske)
1. september 2022
Datoer for studieregistrering
Først indsendt
5. januar 2022
Først indsendt, der opfyldte QC-kriterier
12. januar 2022
Først opslået (Faktiske)
26. januar 2022
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
13. april 2023
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
11. april 2023
Sidst verificeret
1. april 2023
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
- 1 (Mobile Health and Wellness Program)
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 .