Denne side blev automatisk oversat, og nøjagtigheden af ​​oversættelsen er ikke garanteret. Der henvises til engelsk version for en kildetekst.

Den virkelige verden af ​​AI til diagnosticering af nethindesygdomme

1. august 2023 opdateret af: Wenbin Wei, Beijing Tongren Hospital

Anvendelse i den virkelige verden af ​​brug af kunstig intelligens til diagnosticering af nethindesygdomme

Formålet med denne undersøgelse er at anvende en kunstig intelligens-algoritme til at diagnosticere multi-nethindesygdomme i den virkelige verden. Effektiviteten og nøjagtigheden af ​​denne algoritme evalueres ud fra sensitivitet, specificitet, positiv forudsigelsesværdi, negativ forudsigelsesværdi og areal under kurve.

Studieoversigt

Status

Rekruttering

Detaljeret beskrivelse

Formålet med denne undersøgelse er at anvende en kunstig intelligens-algoritme til at diagnosticere henvisningsdiabetes retinopati, henvisnings aldersrelateret makuladegeneration, mulig henvisning til glaukom, patologisk nærsynethed, retinal veneokklusion, makulært hul, makulær epiretinal membran, hypertensiv retinopati, myelinerede fibre, retinitis pigmentosa og andre retinale læsioner fra fundusfotografering. tic 45-graders fundus-kameraer tog uddannede operatører kikkertfundusfotografering på deltagere. Operatører blev derefter bedt om at identificere graderbare billeder og udlæse til algoritmediagnose. Effektiviteten og nøjagtigheden af ​​denne algoritme evalueres ud fra sensitivitet, specificitet, positiv prædiktiv værdi, negativ prædiktiv værdi, areal under kurve og F1-score.

Undersøgelsestype

Observationel

Tilmelding (Anslået)

100000

Kontakter og lokationer

Dette afsnit indeholder kontaktoplysninger for dem, der udfører undersøgelsen, og oplysninger om, hvor denne undersøgelse udføres.

Studiekontakt

Undersøgelse Kontakt Backup

Studiesteder

    • Beijing
      • Beijing, Beijing, Kina, 100730
        • Rekruttering
        • Wen-Bin Wei
        • Kontakt:
        • Ledende efterforsker:
          • Wen-Bin Wei, MD

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

  • Barn
  • Voksen
  • Ældre voksen

Tager imod sunde frivillige

N/A

Prøveudtagningsmetode

Ikke-sandsynlighedsprøve

Studiebefolkning

Undersøgelsespopulationen er afledt af en anonym database, der indeholder helbredsundersøgelsesresultater for den generelle befolkning.

Beskrivelse

Inklusionskriterier:

  • fundusfotografering omkring 45° felt, som dækker optisk disk og makula
  • fuldstændige identifikationsoplysninger

Ekskluderingskriterier:

  • utilstrækkelig information til diagnose

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
Nethindesygdomme diagnosticeret med kunstig intelligens-algoritme
En kunstig intelligens-algoritme blev anvendt til at diagnosticere henvisningsdiabetes retinopati, henvisning aldersrelateret makuladegeneration, henvisning mulig glaukom, patologisk nærsynethed, retinal veneokklusion, makulært hul, makulær epiretinal membran, hypertensiv retinopati, myeliniserede fibre, retinal lesioner fra pigmentosa og andre retinale lesioner. fundus fotografering.
Nethindesygdomme diagnosticeret med kunstig intelligens-algoritme

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Foranstaltningsbeskrivelse
Tidsramme
Område under kurve
Tidsramme: 1 måned
Vi brugte receiver operation characteristic (ROC) kurve og area under curve til at undersøge evnen til denne kunstige intelligens algoritme genkendelse og klassificering af retinale sygdomme.
1 måned
Følsomhed og specificitet
Tidsramme: 1 måned
Vi brugte sensitivitet og specificitet til at undersøge evnen af ​​denne kunstige intelligens algoritme genkendelse og klassificering af retinale sygdomme.
1 måned
Positiv forudsigelsesværdi, negativ forudsigelsesværdi
Tidsramme: 1 måned
Vi brugte positiv prædiktiv værdi og negativ prædiktiv værdi til at undersøge evnen af ​​denne kunstige intelligens algoritme genkendelse og klassificering af retinale sygdomme.
1 måned
F1 score
Tidsramme: 1 måned
Vi brugte F1-score til at undersøge evnen til denne kunstige intelligens-algoritme genkendelse og klassificering af nethindesygdomme.
1 måned

Samarbejdspartnere og efterforskere

Det er her, du vil finde personer og organisationer, der er involveret i denne undersøgelse.

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. august 2023

Primær færdiggørelse (Anslået)

1. august 2028

Studieafslutning (Anslået)

1. august 2029

Datoer for studieregistrering

Først indsendt

1. august 2023

Først indsendt, der opfyldte QC-kriterier

1. august 2023

Først opslået (Faktiske)

8. august 2023

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

8. august 2023

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

1. august 2023

Sidst verificeret

1. august 2023

Mere information

Begreber relateret til denne undersøgelse

Yderligere relevante MeSH-vilkår

Andre undersøgelses-id-numre

  • Real-world RAIDS

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

INGEN

Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter

Studerer et amerikansk FDA-reguleret lægemiddelprodukt

Ingen

Studerer et amerikansk FDA-reguleret enhedsprodukt

Ingen

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

Kliniske forsøg med kunstig intelligens algoritme

3
Abonner