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

Kunstig intelligens til meget nærsynet grå stær (AI-HMC)

6. maj 2026 opdateret af: Shanghai High Myopia Study Group
Denne undersøgelse sigter mod at etablere en multi-center kunstig intelligensmodel til nøjagtig beregning af intraokulær linse og dens kliniske anvendelse i meget nærsynet katarakt, for at forbedre nøjagtigheden af ​​forudsigelsen af ​​postoperativ dioptri hos patienter med meget nærsynet grå stær.

Studieoversigt

Detaljeret beskrivelse

Katarakt med høj nærsynethed (HMC) er en kompleks grå stær med høj risiko for blindhed. På nuværende tidspunkt er der næsten 300 millioner mennesker med høj nærsynethed i verden, som vil stige til 500 millioner i 2020. Asien er den høje forekomst af nærsynethed i verden. På nuværende tidspunkt er der mere end 500 millioner mennesker med nærsynethed alene i Kina, hvoraf næsten 100 millioner er høj nærsynethed, og dette antal vokser stadig hurtigt. Tilsvarende er forekomsten af ​​grå stær med høj nærsynethed også steget hurtigt, hvilket tegner sig for over 40 % af operationer for grå stær.

I den tidlige fase af projektgruppens analyse af brydningsfejl efter kataraktoperation med høj nærsynethed blev det konstateret, at nøjagtigheden af ​​den intraokulære linseberegningsformel, som i vid udstrækning anbefales til grå stær med høj nærsynethed i øjeblikket, stadig er bekymrende, fordi de fleste af disse formler er baseret på de europæiske og amerikanske øjendata, mens de europæiske og amerikanske databaser har få ultrahøj nærsynethedsdata, hvilket i høj grad påvirker formlens nøjagtighed. Derudover skal beregningen af ​​den eksisterende formel inkludere flere biometriske indikatorer, og kan opnås baseret på på komplekse algoritmer. Kunstig intelligens-teknologi er præcis et effektivt middel til at løse denne form for problemer. Derfor, baseret på data fra asiatisk befolkning med høj nærsynethed og høj forekomst, vil etableringen af ​​en intelligent model til nøjagtig beregning af høj nærsynet katarakt IOL i høj grad forbedre målenøjagtigheden Sex.

Derfor er formålet med denne undersøgelse at etablere en multicenter kunstig intelligensmodel til nøjagtig beregning af intraokulær linse og dens kliniske anvendelse ved stærkt nærsynet katarakt, for at forbedre nøjagtigheden af ​​forudsigelsen af ​​postoperativ dioptri hos patienter med meget nærsynet katarakt. .

Undersøgelsestype

Observationel

Tilmelding (Anslået)

500000

Kontakter og lokationer

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

Studiekontakt

Undersøgelse Kontakt Backup

Studiesteder

    • Shanghai Municipality
      • Shanghai, Shanghai Municipality, Kina, 200031
        • Rekruttering
        • Eye and ENT Hospital of Fudan University
        • Kontakt:

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

Ingen

Prøveudtagningsmetode

Sandsynlighedsprøve

Studiebefolkning

Prospektiv kohorteundersøgelse

Beskrivelse

Inklusionskriterier:

Aksial længde ≥ 26 mm og patienter med høj nærsynethed kompliceret af grå stær, der besøger vores hospital.

Præoperativ fotografering af forreste segment og vurdering af grå stær, sammen med fundus OCT-undersøgelse, er blevet udført.

Hvis kirurgisk behandling udføres, bør den postoperative opfølgningsperiode ikke være mindre end 1 måned.

Der mangler ingen kliniske data før og efter operationen.

Ekskluderingskriterier:

Patienter, der ikke er i stand til at samarbejde med de nødvendige undersøgelser til denne undersøgelse.

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
Meget nærsynet kataraktpatienter uden fundusdefekter
Meget nærsynet kataraktpatienter med fundusdefekter
Anvend nyopfundne AI-modeller til at hjælpe med at bestemme kirurgiske planer og resultatforudsigelse.
Meget nærsynet kataraktpatienter med fundusdefekter
Anvend nyopfundne AI-modeller til at hjælpe med at bestemme kirurgiske planer og resultatforudsigelse.
Stærkt nærsynet kataraktpatienter med linsegradering på NC2-3
Anvend nyopfundne AI-modeller til at hjælpe med at bestemme kirurgiske planer og resultatforudsigelse.
Meget nærsynet kataraktpatienter med linsegradering NC4-5
Anvend nyopfundne AI-modeller til at hjælpe med at bestemme kirurgiske planer og resultatforudsigelse.

Hvad måler undersøgelsen?

Primære resultatmål

Resultatmål
Tidsramme
en multicenter kunstig intelligensmodel til nøjagtig beregning af intraokulær linse og dens kliniske anvendelse ved meget nærsynet grå stær
Tidsramme: 10 ÅR
10 ÅR
en multicenter kunstig intelligensmodel til kataraktgradering og dens kliniske anvendelse i meget nærsynet grå stær
Tidsramme: 8 år
8 år

Sekundære resultatmål

Resultatmål
Tidsramme
en multicenter kunstig intelligensmodel til risikoforudsigelse af perioperative komplikationer og dens kliniske anvendelse ved meget nærsynet grå stær
Tidsramme: 10 år
10 år
en multicenter kunstig intelligensmodel til forudsigelse af kirurgisk udfald og dens kliniske anvendelse i meget nærsynet grå stær
Tidsramme: 10 år
10 år

Samarbejdspartnere og efterforskere

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

Efterforskere

  • Studiestol: XIANGJIA ZHU, Eye & ENT Hospital of Fudan University

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. januar 2016

Primær færdiggørelse (Anslået)

31. december 2030

Studieafslutning (Anslået)

31. december 2035

Datoer for studieregistrering

Først indsendt

25. september 2024

Først indsendt, der opfyldte QC-kriterier

25. september 2024

Først opslået (Faktiske)

27. september 2024

Opdateringer af undersøgelsesjournaler

Sidste opdatering sendt (Faktiske)

11. maj 2026

Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier

6. maj 2026

Sidst verificeret

1. maj 2026

Mere information

Begreber relateret til denne undersøgelse

Andre undersøgelses-id-numre

  • NSFC-81970780
  • SYA202006 (Andet bevillings-/finansieringsnummer: Eye and Ear, Nose and Throat Hospital, Fudan University)
  • SHDC12019X08 (Andet bevillings-/finansieringsnummer: Shanghai Shenkang Hospital Development Center)

Plan for individuelle deltagerdata (IPD)

Planlægger du at dele individuelle deltagerdata (IPD)?

UBESLUTET

Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter

Studerer et amerikansk FDA-reguleret lægemiddelprodukt

Ingen

Studerer et amerikansk FDA-reguleret enhedsprodukt

Ingen

produkt fremstillet i og eksporteret fra U.S.A.

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 .

Abonner