Entwicklung und Validierung eines auf Deep Learning basierenden Erkennungs- und Vorhersagesystems für Myopie und myopische Makulopathie
Studienübersicht
Status
Bedingungen
Detaillierte Beschreibung
Kurzsichtigkeit ist zu einem globalen Problem der öffentlichen Gesundheit geworden. Myopie beeinträchtigt die psychische Gesundheit von Kindern und Jugendlichen und stellt eine finanzielle Belastung dar. Darüber hinaus erhöht sich mit fortschreitender Kurzsichtigkeit das Risiko von Augenkomplikationen wie kurzsichtiger Makuladegeneration, die zu irreversiblen Sehbehinderungen oder sogar Erblindung führt. Laut der Weltgesundheitsorganisation leben mehr als 1 Milliarde Menschen weltweit mit Sehbehinderungen, die durch Kurzsichtigkeit, Weitsichtigkeit und andere Probleme aufgrund von Späterkennung verursacht werden. Daher sind die Früherkennung und Vorhersage von Kindern mit einem hohen Risiko für die Entwicklung und Progression von Kurzsichtigkeit für präzise und wirksame Interventionen von entscheidender Bedeutung.
In dieser Studie haben wir ein Deep-Learning-System DeepMyopia entwickelt, das auf Fundusbildern mit den folgenden Zielen basiert: 1) um den Beginn und das Fortschreiten der Myopie vorherzusagen; 2) Zur Erkennung der myopischen Makuladegeneration für die KI-unterstützte Diagnose; 3) Vorhersage der Entwicklung einer myopischen Makuladegeneration; 4) Bewertung der Kosteneffizienz.
Studientyp
Einschreibung (Tatsächlich)
Kontakte und Standorte
Studienorte
-
-
Shanghai
-
Shanghai, Shanghai, China, 200041
- Shanghai Eye Disease Prevention and Treatment Center
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
- Kind
- Erwachsene
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Die SCALE, eine prospektive, schulbasierte Studie, umfasst alle Kinder im Alter von 4 bis 14 Jahren in Shanghai.
Die SCALE-HM, eine populationsbasierte, prospektive, untersuchermaskierte Studie, umfasst Kinder und Jugendliche im Alter zwischen 4 und 18 Jahren mit hoher Myopie.
Die STORM-Studie, eine schulbasierte, prospektive, untersuchermaskierte, cluster-randomisierte Studie, umfasst Kinder im Alter von 6 bis 9 Jahren.
Die SMS-Studie ist eine schulbasierte Querschnittsbefragung aus Shanghai unter Kindergarten- und Grundschülern der Klassen 1 und 2.
Die Beijing Children Eye-Studie umfasste Kinder, die in die Ambulanz des Beijing Friendship Hospital kamen.
Die JFFT-Studie enthält Querschnittsdaten aus Shanghai, Yunnan, der Inneren Mongolei, Xinjiang und Guangzhou.
Die Hong Kong Children Eye Study ist eine bevölkerungsbezogene Kohortenstudie zu Augenerkrankungen bei Kindern im Alter von 6-8 Jahren.
Beschreibung
Einschlusskriterien:
- Probanden mit Fundusbildern in der Shanghai Child and Adolescent Large-scale Eye Study (SCALE);
- Probanden mit Fundusbildern in der Studie Shanghai Time Outside to Reduce Myopia [STORM];
- Probanden mit Fundusbildern in der High Myopia Registration Study [SCALE-HM]
- Probanden mit Fundusbildern in der Shanghai Myopia Screening (SMS) Study;
- Probanden mit Fundusbildern in der Beijing Children Eye Study
- Probanden mit Fundusbildern im First Affiliated Hospital der Kunming Medical University;
- Probanden mit Fundusbildern in der Abteilung für Augenheilkunde des Ersten angeschlossenen Krankenhauses der Medizinischen Universität Xinjiang;
- Probanden mit Fundusbildern in der Abteilung für Augenheilkunde des angegliederten Krankenhauses der Medizinischen Universität der Inneren Mongolei;
- Probanden mit Fundusbildern im Zhongshan Eye Center, Sun Yat-sen University;
- Probanden mit Fundusbildern in der Hong Kong Children Eye Study;
Ausschlusskriterien:
- Teilnehmer mit Fundusbildern in schlechter Qualität
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Kohorten und Interventionen
Gruppe / Kohorte |
Intervention / Behandlung |
|---|---|
|
Der Trainingsdatensatz
Der Trainingsdatensatz bestand aus Daten einer schulbasierten, prospektiven Kohorte (Shanghai Time Outside to Reduce Myopia [STORM]-Studie) und Daten aus einer anderen populationsbasierten, prospektiven Studie, der High Myopia Registration Study (SCALE-HM), mit jährlicher Nachsorge.
Die Teilnehmer der beiden Studien wurden in ein Trainings-Set (70 %), ein Tuning-Set (10 %) und ein internes Test-Set (20 %) eingeteilt, die auf Teilnehmerebene nicht miteinander dupliziert wurden.
|
Dieses Deep-Learning-System ist in der Lage, Fundusbilder für das Myopie-Staging, die Erkennung myopischer Makulopathie, die Schätzung und Vorhersage der zykloplegischen Refraktion sowie die Risikostratifizierung des Beginns von Myopie und myopischer Makulopathie zu analysieren.
|
|
Das interne Validierungsdataset
Der interne Validierungsdatensatz bestand aus Daten einer schulbasierten, prospektiven Kohorte (Shanghai Time Outside to Reduce Myopia [STORM]-Studie) und Daten aus einer anderen bevölkerungsbasierten, prospektiven Studie, der High Myopia Registration Study (SCALE-HM). , mit jährlicher Nachverfolgung.
Die Teilnehmer der beiden Studien wurden in ein Trainings-Set (70 %), ein Tuning-Set (10 %) und ein internes Test-Set (20 %) eingeteilt, die auf Teilnehmerebene nicht miteinander dupliziert wurden.
|
Dieses Deep-Learning-System ist in der Lage, Fundusbilder für das Myopie-Staging, die Erkennung myopischer Makulopathie, die Schätzung und Vorhersage der zykloplegischen Refraktion sowie die Risikostratifizierung des Beginns von Myopie und myopischer Makulopathie zu analysieren.
|
|
Das externe Validierungsdataset
Um die Extrapolationsfähigkeiten des Deep-Learning-Systems zu testen, wurden zwei unabhängige Datensätze, der Joint Five-site Fundus Test (JFFT) und die Hong Kong Children Eye Study (HKCES), als externe Testsets verwendet.
Die JFFT-Studie, ein standortübergreifender Datensatz, enthält Querschnittsdaten aus Shanghai, Yunnan, der Inneren Mongolei, Xinjiang und Guangzhou.
HKCES, eine populationsbasierte Kohortenstudie zu Augenerkrankungen bei Kindern im Alter von 6-8 Jahren.
|
Dieses Deep-Learning-System ist in der Lage, Fundusbilder für das Myopie-Staging, die Erkennung myopischer Makulopathie, die Schätzung und Vorhersage der zykloplegischen Refraktion sowie die Risikostratifizierung des Beginns von Myopie und myopischer Makulopathie zu analysieren.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Myopie-Staging-Erkennungsmöglichkeits-Score
Zeitfenster: unmittelbar nach Eingabe der Daten
|
Ausgabe der Myopie-Staging-Aufgabe
|
unmittelbar nach Eingabe der Daten
|
|
Bewertung der Möglichkeit zur Erkennung myopischer Makulopathie
Zeitfenster: unmittelbar nach Eingabe der Daten
|
Ausgabe der Aufgabe zur Erkennung myopischer Makulopathie
|
unmittelbar nach Eingabe der Daten
|
|
vorhergesagtes sphärisches Äquivalent
Zeitfenster: unmittelbar nach Eingabe der Daten
|
Ausgabe der Bewertung der sphärischen äquivalenten Aufgabe
|
unmittelbar nach Eingabe der Daten
|
|
vorhergesagtes zukünftiges jährliches sphärisches Äquivalent
Zeitfenster: unmittelbar nach Eingabe der Daten
|
Ausgabe der Vorhersage zukünftiger kugelförmiger äquivalenter Aufgaben
|
unmittelbar nach Eingabe der Daten
|
|
Risiko-Score für Myopie und myopische Makulopathie-Progression
Zeitfenster: unmittelbar nach Eingabe der Daten
|
Ausgabe der Vorhersageaufgabe für das Fortschreiten von Myopie und myopischer Makulopathie
|
unmittelbar nach Eingabe der Daten
|
Mitarbeiter und Ermittler
Mitarbeiter
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Primärer Abschluss (Tatsächlich)
Studienabschluss (Tatsächlich)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- 2022SQ023
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
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 .