Diese Seite wurde automatisch übersetzt und die Genauigkeit der Übersetzung wird nicht garantiert. Bitte wende dich an die englische Version für einen Quelltext.

Praxisnahe KI bei der Diagnose von Netzhauterkrankungen

1. August 2023 aktualisiert von: Wenbin Wei, Beijing Tongren Hospital

Praxisnahe Anwendung des Einsatzes künstlicher Intelligenz bei der Diagnose von Netzhauterkrankungen

Das Ziel dieser Studie ist die Anwendung eines Algorithmus der künstlichen Intelligenz zur Diagnose multiretinaler Erkrankungen in realen Umgebungen. Die Wirksamkeit und Genauigkeit dieses Algorithmus werden anhand von Sensitivität, Spezifität, positivem Vorhersagewert, negativem Vorhersagewert und Fläche unter der Kurve bewertet.

Studienübersicht

Status

Rekrutierung

Bedingungen

Intervention / Behandlung

Detaillierte Beschreibung

Das Ziel dieser Studie ist die Anwendung eines Algorithmus für künstliche Intelligenz zur Diagnose von Diabetes-Retinopathie bei Überweisung, altersbedingter Makuladegeneration bei Überweisung, möglichem Glaukom bei Überweisung, pathologischer Myopie, Netzhautvenenverschluss, Makulaforamen, epiretinaler Makulamembran, hypertensiver Retinopathie, myelinisierten Fasern und Retinitis Pigmentosa und andere Netzhautläsionen aus der Fundusfotografie. Mithilfe von Tic-45-Grad-Funduskameras machten geschulte Bediener bei den Teilnehmern binokulare Fundusaufnahmen. Anschließend wurden die Bediener gebeten, bewertbare Bilder zu identifizieren und für die Algorithmusdiagnose zu entladen. Die Wirksamkeit und Genauigkeit dieses Algorithmus werden anhand von Sensitivität, Spezifität, positivem Vorhersagewert, negativem Vorhersagewert, Fläche unter der Kurve und F1-Score bewertet.

Studientyp

Beobachtungs

Einschreibung (Geschätzt)

100000

Kontakte und Standorte

Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.

Studienkontakt

Studieren Sie die Kontaktsicherung

Studienorte

  • China
    • Beijing
      • Beijing, Beijing, China, 100730
        • Rekrutierung
        • Wen-Bin Wei
        • Kontakt:
        • Hauptermittler:
          • Wen-Bin Wei, MD

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

  • Kind
  • Erwachsene
  • Älterer Erwachsener

Akzeptiert gesunde Freiwillige

N/A

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

Die Studienpopulation wird aus einer anonymen Datenbank abgeleitet, die Gesundheitsuntersuchungsergebnisse der Allgemeinbevölkerung enthält.

Beschreibung

Einschlusskriterien:

  • Fundusfotografie um das 45°-Feld, das Papille und Makula abdeckt
  • vollständige Identifikationsinformationen

Ausschlusskriterien:

  • unzureichende Informationen für die 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
Netzhauterkrankungen werden durch einen Algorithmus der künstlichen Intelligenz diagnostiziert
Ein Algorithmus der künstlichen Intelligenz wurde zur Diagnose von Diabetes-Retinopathie, altersbedingter Makuladegeneration, möglichem Glaukom, pathologischer Myopie, Netzhautvenenverschluss, Makulaforamen, epiretinaler Makulamembran, hypertensiver Retinopathie, myelinisierten Fasern, Retinitis pigmentosa und anderen Netzhautläsionen eingesetzt Fundusfotografie.
Diagnosetest: Algorithmus für künstliche Intelligenz
Netzhauterkrankungen werden durch einen Algorithmus der künstlichen Intelligenz diagnostiziert

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Fläche unter der Kurve
Zeitfenster: 1 Monat
Wir haben die ROC-Kurve (Receiver Operating Characteristic) und die Fläche unter der Kurve verwendet, um die Fähigkeit dieses Algorithmus der künstlichen Intelligenz zur Erkennung und Klassifizierung von Netzhauterkrankungen zu untersuchen.
1 Monat
Sensitivität und Spezifität
Zeitfenster: 1 Monat
Mithilfe von Sensitivität und Spezifität haben wir die Fähigkeit dieses Algorithmus der künstlichen Intelligenz zur Erkennung und Klassifizierung von Netzhauterkrankungen untersucht.
1 Monat
Positiver Vorhersagewert, negativer Vorhersagewert
Zeitfenster: 1 Monat
Wir haben den positiven Vorhersagewert und den negativen Vorhersagewert verwendet, um die Fähigkeit dieses Algorithmus der künstlichen Intelligenz zur Erkennung und Klassifizierung von Netzhauterkrankungen zu untersuchen.
1 Monat
F1-Ergebnis
Zeitfenster: 1 Monat
Wir haben den F1-Score verwendet, um die Fähigkeit dieses Algorithmus der künstlichen Intelligenz zur Erkennung und Klassifizierung von Netzhauterkrankungen zu untersuchen.
1 Monat

Mitarbeiter und Ermittler

Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.

Sponsor

Beijing Tongren Hospital

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. August 2023

Primärer Abschluss (Geschätzt)

1. August 2028

Studienabschluss (Geschätzt)

1. August 2029

Studienanmeldedaten

Zuerst eingereicht

1. August 2023

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

1. August 2023

Zuerst gepostet (Tatsächlich)

8. August 2023

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

8. August 2023

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

1. August 2023

Zuletzt verifiziert

1. August 2023

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Zusätzliche relevante MeSH-Bedingungen

Andere Studien-ID-Nummern

  • Real-world RAIDS

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 .

Abonnieren