Artificial Intelligence System for the Detection and Prediction of Kidney Diseases Using Ocular Information
25. Januar 2022 aktualisiert von: Haotian Lin, Sun Yat-sen University
This is an retrospective and prospective multicenter study to develop and validate an artificial intelligent (AI) aided diagnosis, therapeutic effect assessment model including chronic kidney disease (CKD) and dialysis patients starting from April 2009, which is based on ophthalmic examinations (e.g.
retinal fundus photography, slit-lamp images, OCTA, etc.) and CKD diagnostic and therapeutic data (routine clinical evaluations and laboratory data), to provide a reliable basis and guideline for clinical diagnosis and treatment.
Studienübersicht
Status
Rekrutierung
Bedingungen
Intervention / Behandlung
Studientyp
Beobachtungs
Einschreibung (Voraussichtlich)
4000
Kontakte und Standorte
Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.
Studienkontakt
- Name: Haotian Lin, Ph. D
- Telefonnummer: 13802793086
- E-Mail: gddlht@aliyun.com
Studienorte
-
-
Guangdong
-
Guangzhou, Guangdong, China, 510060
- Rekrutierung
- Zhongshan Ophthalmic Center, Sun Yat-sen University
-
Kontakt:
- Haotian Lin, M.D., Ph.D
- Telefonnummer: +8613802793086
- E-Mail: haot.lin@hotmail.com
-
Kontakt:
- Qianni Wu, M.D., Ph.D
- Telefonnummer: +8615521506995
- E-Mail: wuqianni@gzzoc.com
-
-
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, Älterer Erwachsener)
Akzeptiert gesunde Freiwillige
Ja
Studienberechtigte Geschlechter
Alle
Probenahmeverfahren
Wahrscheinlichkeitsstichprobe
Studienpopulation
Participants who had slit-lamp, retinal fundus photography and kidney disease tests at the Department of Nephrology, First Affiliated Hospital of Sun Yat-sen University and Medical Centre of Aikang Health Care, Guangzhou, China
Beschreibung
Inclusion Criteria:
- Patients previously received kidney biopsy, ophthalmic examinations and routine examinations of the department of nephrology during in-hospital period with BCVA>0.5.
Exclusion Criteria:
- Patients without retinal fundus images or kidney diseases.
- The quality of the retinal fundus images can not meet the requirement for furthur analysis.
- Severe loss of results of routine examinations of the department of nephrology.
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 |
|---|---|
|
Development Dataset 01
Slit-lamp, retinal fundus images, OCTA and kidney diseases examinations collected from Department of Nephrology of the First Affiliated Hospital of Sun Yat-sen University
|
The development datasets were used to train the deep learning model, which was validated and tested by the other 4 datasets.
|
|
Development Dataset 02
Slit-lamp, retinal fundus images, OCTA and kidney diseases examinations collected from Medical Centre of Aikang Health Care, Guangzhou, China
|
The development datasets were used to train the deep learning model, which was validated and tested by the other 4 datasets.
|
|
Validation Dataset 01
Slit-lamp, retinal fundus images, OCTA and kidney diseases examinations collected from Department of Nephrology of the First Affiliated Hospital of Sun Yat-sen University
|
The development datasets were used to train the deep learning model, which was validated and tested by the other 4 datasets.
|
|
Validation Dataset 02
Slit-lamp, retinal fundus images, OCTA and kidney diseases examinations collected from Medical Centre of Aikang Health Care, Guangzhou, China
|
The development datasets were used to train the deep learning model, which was validated and tested by the other 4 datasets.
|
|
Test Dataset 01
Slit-lamp, retinal fundus images, OCTA and kidney diseases examinations collected from Department of Nephrology of the First Affiliated Hospital of Sun Yat-sen University
|
The development datasets were used to train the deep learning model, which was validated and tested by the other 4 datasets.
|
|
Test Dataset 02
Slit-lamp, retinal fundus images, OCTA and kidney diseases examinations collected from Medical Centre of Aikang Health Care, Guangzhou, China
|
The development datasets were used to train the deep learning model, which was validated and tested by the other 4 datasets.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Area under the receiver operating characteristic curve of the deep learning system
Zeitfenster: baseline
|
The investigators will calculate the area under the receiver operating characteristic curve of deep learning system and compare this index between deep learning system and human doctors
|
baseline
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Sensitivity and specificity of the deep learning system
Zeitfenster: baseline
|
The investigators will calculate the sensitivity and specifity of deep learning system and compare this index between deep learning system and human doctors
|
baseline
|
Mitarbeiter und Ermittler
Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.
Sponsor
Ermittler
- Studienstuhl: Yizhi Liu, M.D., Ph.D., Zhongshan Ophthalmic Center, Sun Yat-sen University
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)
28. August 2021
Primärer Abschluss (Voraussichtlich)
1. Dezember 2022
Studienabschluss (Voraussichtlich)
1. Dezember 2022
Studienanmeldedaten
Zuerst eingereicht
23. Januar 2022
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
25. Januar 2022
Zuerst gepostet (Tatsächlich)
4. Februar 2022
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
4. Februar 2022
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
25. Januar 2022
Zuletzt verifiziert
1. Januar 2022
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- AIKD-2021
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 .