- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT03759483
Diagnostische Wirksamkeit von CNN bei der Differenzierung des Gesichtsfelds
23. Januar 2020 aktualisiert von: Xiulan Zhang, Sun Yat-sen University
Diagnostische Wirksamkeit eines auf Faltungsneuronennetzwerken basierenden Algorithmus bei der Differenzierung des glaukomatösen Gesichtsfeldes vom nicht-glaukomatösen Gesichtsfeld
Das Glaukom ist derzeit weltweit die häufigste Ursache für irreversible Erblindung.
Die multizentrische Studie wurde entwickelt, um die Wirksamkeit des auf Faltungsneuronennetzwerken basierenden Algorithmus bei der Unterscheidung zwischen glaukomatösem und nicht glaukomatösem Gesichtsfeld zu bewerten und seinen Nutzen in der realen Welt zu bewerten.
Studienübersicht
Status
Abgeschlossen
Intervention / Behandlung
Detaillierte Beschreibung
Das Glaukom ist die weltweit häufigste Ursache für irreversible Blindheit, die durch fortschreitende Verdünnung der retinalen Nervenfaserschicht und Gesichtsfelddefekte gekennzeichnet ist.
Der Gesichtsfeldtest ist einer der Goldstandards für die Diagnose und Beurteilung des Fortschreitens des Glaukoms.
Es gibt jedoch keinen allgemein akzeptierten Standard für die Interpretation von Gesichtsfeldergebnissen, die subjektiv ist und viel Erfahrung erfordert.
Derzeit hat die künstliche Intelligenz bei der Interpretation der medizinischen Bildgebung vieler verschiedener Krankheiten eine mit menschlichen Ärzten vergleichbare Genauigkeit erreicht.
Zuvor haben wir ein Deep Convolutional Neural Network darauf trainiert, die Gesichtsfeldberichte zu lesen, was eine noch höhere diagnostische Wirksamkeit als Augenärzte hat.
Die aktuelle multizentrische Studie soll die Wirksamkeit des auf Faltungsneuronennetzwerken basierenden Algorithmus bei der Unterscheidung zwischen glaukomatösem und nicht glaukomatösem Gesichtsfeld bewerten, seine Leistung mit Augenärzten vergleichen und seinen Nutzen in der realen Welt bewerten.
Studientyp
Beobachtungs
Einschreibung (Tatsächlich)
437
Kontakte und Standorte
Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.
Studienorte
-
-
Guangdong
-
Guangzhou, Guangdong, China, 51000
- Zhongshan Ophthalmic Center
-
-
Teilnahmekriterien
Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.
Zulassungskriterien
Studienberechtigtes Alter
18 Jahre und älter (ERWACHSENE, OLDER_ADULT)
Akzeptiert gesunde Freiwillige
Ja
Studienberechtigte Geschlechter
Alle
Probenahmeverfahren
Nicht-Wahrscheinlichkeitsprobe
Studienpopulation
Patienten aus Kliniken in verschiedenen Augenzentren in ganz China.
Jedes Subjekt muss auf der Grundlage umfassender medizinischer Tests und Krankenakten diagnostiziert werden.
Das führende Zentrum wird alle medizinischen Daten lesen, um die Diagnose als Goldstandard zu erstellen.
Beschreibung
Einschlusskriterien:
- Alter≥18;
- Einwilligung nach Aufklärung eingeholt;
- Diagnostiziert mit bestimmten Augenerkrankungen;
- Gesichtsfeldtest durchführen können
Ausschlusskriterien:
Unvollständige klinische Daten zur Stützung der Diagnose
Studienplan
Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.
Wie ist die Studie aufgebaut?
Designdetails
Kohorten und Interventionen
Gruppe / Kohorte |
Intervention / Behandlung |
---|---|
KI-Gruppe
Die Gesichtsfeldberichte in dieser Gruppe werden vom Convolutional Neural Network ausgewertet.
|
Die gesammelten Gesichtsfelder würden vom Algorithmus und Augenärzten unabhängig voneinander bewertet.
Die Leistung des Algorithmus und die der Augenärzte würden verglichen, einschließlich Genauigkeit, AUC, Sensitivität und Spezifität.
Andere Namen:
|
Menschliche Gruppe
Die Gesichtsfeldberichte in dieser Gruppe werden von 3 Augenärzten unabhängig voneinander ausgewertet.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Zeitfenster |
---|---|
AUC-Wert des Convolutional Neural Network bei der Differenzierung des Glaukom-Gesichtsfeldes vom Nicht-Glaukom-Gesichtsfeld
Zeitfenster: von Januar 2019 bis Januar 2020
|
von Januar 2019 bis Januar 2020
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Zeitfenster |
---|---|
Sensitivität und Spezifität des Convolutional Neural Network bei der Erkennung des Glaukom-Gesichtsfeldes
Zeitfenster: von Januar 2019 bis Januar 2020
|
von Januar 2019 bis Januar 2020
|
Mitarbeiter und Ermittler
Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.
Sponsor
Studienaufzeichnungsdaten
Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.
Haupttermine studieren
Studienbeginn (TATSÄCHLICH)
15. März 2019
Primärer Abschluss (TATSÄCHLICH)
31. Dezember 2019
Studienabschluss (TATSÄCHLICH)
31. Dezember 2019
Studienanmeldedaten
Zuerst eingereicht
26. November 2018
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
28. November 2018
Zuerst gepostet (TATSÄCHLICH)
30. November 2018
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (TATSÄCHLICH)
27. Januar 2020
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
23. Januar 2020
Zuletzt verifiziert
1. Januar 2020
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- 2018KYPJ125
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
NEIN
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Nein
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
Nein
Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .
Klinische Studien zur KI-Diagnosealgorithmus
-
Ablacon, Inc.Aktiv, nicht rekrutierendPathologische Prozesse | Herzkrankheiten | Herz-Kreislauf-Erkrankungen | Vorhofflimmern | Arrhythmien, Herz | Vorhofflimmern, anhaltendVereinigte Staaten
-
Ablacon, Inc.AbgeschlossenVorhofflimmern, anhaltendTschechien
-
William Beaumont HospitalsFoundation for Education and Research in Neurological EmergenciesAbgeschlossenTransitorische ischämische AttackeVereinigte Staaten
-
Universidad Pública de NavarraMutua NavarraUnbekanntSchulter-Impingement | Erkrankung der RotatorenmanschetteSpanien
-
University Hospital TuebingenRekrutierungGenetische Veranlagung für Krankheiten | Seltene KrankheitenDeutschland
-
Dana-Farber Cancer InstituteCancer Nutrition Consortium Inc.Noch keine RekrutierungLebensqualität | Ernährung schlecht | ErnährungsmangelVereinigte Staaten
-
Prometheus Biosciences, Inc., a subsidiary of Merck...Aktiv, nicht rekrutierendColitis ulcerosaVereinigte Staaten, Australien, Belgien, Tschechien, Frankreich, Georgia, Kanada, Ungarn, Israel, Italien, Polen, Vereinigtes Königreich
-
Norwegian Institute of Public HealthNorwegian University of Science and TechnologyAbgeschlossenPsychische Störungen | Substanzgebrauchsstörungen | Behandlung | BeteiligungNorwegen
-
TaiHao Medical Inc.Aktiv, nicht rekrutierendBrustkrebs | BrusterkrankungenTaiwan
-
Tao OUYANGAktiv, nicht rekrutierend