- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT05308043
Deep Learning in der Erkennung und Überwachung von Retinoblastomen.
24. März 2022 aktualisiert von: Wenbin Wei, Beijing Tongren Hospital
Computergestütztes Deep-Learning-Erkennungssystem zur Erkennung und Überwachung von Retinoblastomen.
Das Retinoblastom ist der häufigste Augenkrebs im Kindesalter.
Augenerhaltende Therapien erfordern eine routinemäßige Überwachung der Regression und des Rezidivs des Retinoblastoms, um eine entsprechende Behandlung einzuleiten.
In der aktuellen Studie entwickeln wir einen Deep-Learning-Algorithmus, der gleichzeitig Retinoblastom-Tumoren auf Retcam-Bildern identifizieren und zwischen aktiven und inaktiven Retinoblastom-Tumoren unterscheiden kann.
Dieser Algorithmus wird durch einen prospektiv erhobenen Datensatz validiert.
Studienübersicht
Status
Rekrutierung
Bedingungen
Intervention / Behandlung
Detaillierte Beschreibung
Retinoblastom, der häufigste Augenkrebs im Kindesalter, betrifft 1 von 15.000 bis 1 von 18.000 Lebendgeburten.
China hat weltweit die zweitgrößte Anzahl von Patienten mit Retinoblastom.
Augenerhaltende Therapien werden in China seit etwa 15 Jahren in großem Umfang eingesetzt.
Augenerhaltende Therapien erfordern eine routinemäßige Überwachung der Regression und des Rezidivs des Retinoblastoms, um eine entsprechende Behandlung einzuleiten.
Die Mehrzahl der qualifizierten Augenärzte konzentriert sich jedoch auf mehrere medizinische Zentren.
Deep Learning basierend auf einer Retcam-Untersuchung, die Retinoblastome identifizieren kann, wird die Screening-Genauigkeit der örtlichen Krankenhäuser verringern und die Wortlast der Überwachung verringern.
In der aktuellen Studie wurde ein Deep-Learning-Algorithmus entwickelt, der gleichzeitig Retinoblastom-Tumoren auf Retcam-Bildern identifizieren und zwischen aktiven und inaktiven Retinoblastom-Tumoren unterscheiden kann.
Dieser Algorithmus wird durch einen prospektiv erhobenen Datensatz validiert.
Studientyp
Beobachtungs
Einschreibung (Voraussichtlich)
200
Kontakte und Standorte
Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.
Studienkontakt
- Name: Wenbin Wei, MD
- Telefonnummer: 010-58269523
- E-Mail: weiwenbintr@163.com
Studieren Sie die Kontaktsicherung
- Name: Ruiheng Zhang, MD
- E-Mail: zhangruihengsy@outlook.com
Studienorte
-
-
Beijing
-
Beijing, Beijing, China, 100730
- Rekrutierung
- Wen-Bin Wei
-
-
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
1 Sekunde bis 5 Jahre (KIND)
Akzeptiert gesunde Freiwillige
Nein
Studienberechtigte Geschlechter
Alle
Probenahmeverfahren
Nicht-Wahrscheinlichkeitsprobe
Studienpopulation
Retinoblastom-Patienten werden einer standardmäßigen medizinischen Behandlung unterzogen.
Beschreibung
Einschlusskriterien:
- Retinoblastom-Patienten werden einer standardmäßigen medizinischen Behandlung unterzogen.
Ausschlusskriterien:
- Die Bediener identifizierten Bilder, die aufgrund von Gründen wie Unschärfe und Defokussierung für eine korrekte Diagnose nicht auswertbar waren, und schlossen sie von der weiteren Analyse aus.
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 |
---|---|
Patienten mit Retinoblastom
Retinoblastom-Patienten, die sich einer medizinischen Standardversorgung im Pekinger Tongren-Krankenhaus unterziehen.
Das anonyme Bild dieser Patienten wird prospektiv von leitenden Augenärzten gesammelt und gekennzeichnet.
|
Ein zuvor entwickelter Deep-Learning-Algorithmus würde angewendet, um Retinoblastom-Tumoren auf Retcam-Bildern zu identifizieren und zwischen aktiven und inaktiven Retinoblastom-Tumoren zu unterscheiden.
Die Entscheidung zweier verschiedener leitender Augenärzte wäre der Goldstandard.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
---|---|---|
Diagnosegenauigkeit des Deep-Learning-Algorithmus
Zeitfenster: 1 Woche
|
Die diagnostische Genauigkeit dieses Deep-Learning-Algorithmus ist der Anteil von richtig positiv und richtig negativ in allen ausgewerteten Fällen
|
1 Woche
|
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)
1. März 2020
Primärer Abschluss (ERWARTET)
1. Mai 2022
Studienabschluss (ERWARTET)
1. Oktober 2022
Studienanmeldedaten
Zuerst eingereicht
24. März 2022
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
24. März 2022
Zuerst gepostet (TATSÄCHLICH)
1. April 2022
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (TATSÄCHLICH)
1. April 2022
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
24. März 2022
Zuletzt verifiziert
1. März 2022
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Zusätzliche relevante MeSH-Bedingungen
- Neubildungen nach histologischem Typ
- Neubildungen
- Neubildungen nach Standort
- Neubildungen, Drüsen und Epithelien
- Augenkrankheiten
- Erkrankungen der Netzhaut
- Neubildungen, Neuroepithel
- Neuroektodermale Tumoren
- Neoplasmen, Keimzelle und Embryonal
- Neubildungen, Nervengewebe
- Augenkrankheiten, erblich
- Neubildungen des Auges
- Neubildungen der Netzhaut
- Retinoblastom
Andere Studien-ID-Nummern
- AI in retinoblastoma
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 Deep-Learning-Algorithmus
-
Jia LiuAbgeschlossenArteriosklerose der HalsschlagaderChina
-
Hao TangRekrutierung
-
Chang Gung Memorial HospitalAbgeschlossenMaschinelles Lernen | MilzverletzungTaiwan
-
Copenhagen University Hospital, HvidovreRekrutierung
-
Shanghai 6th People's HospitalNoch keine RekrutierungBewertung der Erkennungsleistung der Wirbelsäuleninstabilität des DLS
-
Chinese PLA General HospitalRekrutierungGefäßerkrankungen | Hirnschlag | RadiologieChina
-
Chang Gung Memorial HospitalMinistry of Science and Technology, TaiwanRekrutierung
-
Chang ChenZunyi Medical College; Ningbo HwaMei Hospital, Zhejiang, China; The First Affiliated... und andere MitarbeiterRekrutierung
-
Jiangxi Provincial Cancer HospitalGuangdong Provincial People's HospitalRekrutierungLungenkrebs | Künstliche IntelligenzChina
-
DeepechoCentre Hospitalier Universitaire Ibn Rochd; Mohammed VI University Hospital; Hassan... und andere MitarbeiterAbgeschlossenOligohydramnion | Polyhydramnion | Einschränkung des fötalen Wachstums | Klein für Säuglinge im GestationsalterMarokko