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

Erkennung des Keratokonus -Fortschreitens mithilfe maschineller Lernen

6. März 2025 aktualisiert von: Prim. Prof. Dr. Oliver Findl, MBA, Vienna Institute for Research in Ocular Surgery

Maschinelles Lernen unterstützte Vorhersage des Keratokonus -Fortschreitens unter Verwendung topografischer und volumetrischer Daten: Eine retrospektive Studie

Keratokonus (KC) ist eine bilaterale Augenerkrankung, die durch fortschreitendes Ausdünnen und Steigungen der Hornhaut gekennzeichnet ist, normalerweise in ihrer inferotemporalen Region. Die Krankheit tritt häufig asymmetrisch auf, da ein Auge durch die Erkrankung stärker beeinflusst wird. Die Veränderungen, die KC zugrunde liegen, führen zur Erzeugung des unregelmäßigen Astigmatismus, der zu einer verminderten Sehschärfe der Patienten führt, und kann sogar zu einer axialen Hornhautnarben in fortgeschrittenen Stadien führen. Die Krankheit tritt normalerweise im zweiten oder dritten Lebensjahrzehnt auf, kann sich aber in jedem Alter entwickeln. KC ist eine komplexe Erkrankung, bei der Umweltfaktoren wie Alter, Auge -Reiben, Kontaktlinsengebrauch, Atopie, Sonneneinstrahlung, Hormone, Toxine und genetische Komponente beteiligt sind. Wie diese Faktoren zur Krankheit beitragen, ist jedoch noch unbekannt und intraindividuelle Unterschiede könnten bestehen.

KC kann basierend auf dem Stadium der Krankheit in verschiedene Formen eingeteilt werden. Im klinischen KC gibt es sowohl topografische als auch Schlitzlampenbefunde der Krankheit.

Die Bedeutung der Hornhaut -Epithel -Bildgebung für die Diagnose von Keratokonus wurde in mehreren klinischen Studien weiter nachgewiesen. Als neue vordere Segment-optische Kohärenztomographie (AS-OCT) liefern Geräte detailliertere Messungen für das Hornhaut-Epithel. Diese Schicht könnte daher ein interessanter Marker für die Vorhersage des KC -Fortschreitens sein und zur früheren Diagnose sowie zu einem besseren Ergebnis der Krankheit beitragen.

Das Ziel dieser retrospektiven Studie ist es daher zu bestimmen, ob verschiedene topografische und volumetrische Daten, beispielsweise Epitheldicke -Karten (ETM), zuverlässig verwendet werden können, um das Fortschreiten von KC unter Verwendung eines maschinellen Lernalgorithmus vorherzusagen.

Studienübersicht

Status

Aktiv, nicht rekrutierend

Intervention / Behandlung

Studientyp

Beobachtungs

Einschreibung (Geschätzt)

200

Kontakte und Standorte

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

Studienorte

      • Vienna, Österreich, 1140
        • Vienna Institute for Research in Ocular Surgery (VIROS)

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

Nein

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

Patienten mit Keratokonus, die mindestens zwei Messungen unter Verwendung des MS-39-Geräts hatten

Beschreibung

Einschlusskriterien:

  • Patienten mit KC -Progression gemäß definiert von Kmax/Jahr:

O

  1. Kmax <48 Dioptres (D):> 0,5 d pro Jahr o
  2. Kmax 48.01-53 d:> 0,6 d pro Jahr o
  3. Kmax 53,01-58 d:> 0,8 d pro Jahr o
  4. KMAX> 58 D:> 1,5 d pro Jahr - Nicht progressive Gruppe: Patienten mit stabilem KC (KC -Progression abhängig von Kmax <als die oben beschriebenen Werte)

Ausschlusskriterien:

  • Relevante andere ophthalmische Krankheiten, die wahrscheinlich das Messergebnis wie Hornhautnarben oder epitheliale Dystrophien beeinflussen können
  • Zu wenige Messungen/zu kurze Follow-ups, um das Fortschreiten von KC zu definieren

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
Progressiver Keratokonus
Patienten mit progressiver Keratokonus, basierend auf einer einjährigen Änderung der Kmax-Werte
Der MS-39 (Costruzione Strumenti OFTALMICI, Firenze, Italien) ist ein Gerät für die Analyse des Augensegments, das die Topographie von Placido-Disc-Hornhaut und eine hochauflösende SD-OCT kombiniert. Das Gerät enthält Informationen zu Pachymetrie-, Höhen-, Krümmungs- und Dioptrikumleistung beider Hornhautoberflächen. Um Hornhauttopographie zu erhalten, werden 22 Placido -Scheibenringe von einer Laser -LED -Lichtquelle (Laser -emittierte Diode) bei 635 Nanometern (NM) ausgestoßen. Die zentralen 10 Millimeter der vorderen Hornhautoberfläche sind bedeckt. Die Epitheldickenkarten werden für verschiedene Sektoren berechnet (zentral, parazentral minderwertig/überlegen/nasal/zeitlich).
Nicht progressiver Keratokonus
Patienten mit nicht progressiven Keratokonus, basierend auf einer einjährigen Änderung der Kmax-Werte
Der MS-39 (Costruzione Strumenti OFTALMICI, Firenze, Italien) ist ein Gerät für die Analyse des Augensegments, das die Topographie von Placido-Disc-Hornhaut und eine hochauflösende SD-OCT kombiniert. Das Gerät enthält Informationen zu Pachymetrie-, Höhen-, Krümmungs- und Dioptrikumleistung beider Hornhautoberflächen. Um Hornhauttopographie zu erhalten, werden 22 Placido -Scheibenringe von einer Laser -LED -Lichtquelle (Laser -emittierte Diode) bei 635 Nanometern (NM) ausgestoßen. Die zentralen 10 Millimeter der vorderen Hornhautoberfläche sind bedeckt. Die Epitheldickenkarten werden für verschiedene Sektoren berechnet (zentral, parazentral minderwertig/überlegen/nasal/zeitlich).

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Empfindlichkeit des Algorithmus für maschinelles Lernen im endgültigen Testdatensatz
Zeitfenster: Durch Abschluss des Studiums ein Jahr
Empfindlichkeit des Algorithmus des maschinellen Lernens im endgültigen Testdatensatz, um zwischen progressiven/nicht progressiven Augen basierend auf Kmax-Change pro Jahr zu unterscheiden
Durch Abschluss des Studiums ein Jahr
Spezifität des Algorithmus für maschinelles Lernen im endgültigen Testdatensatz
Zeitfenster: Durch Abschluss des Studiums ein Jahr
Spezifität des Algorithmus für maschinelles Lernen im endgültigen Testdatensatz, um zwischen progressiven/nicht progressiven Augen basierend auf Kmax-Change pro Jahr zu unterscheiden
Durch Abschluss des Studiums ein Jahr

Mitarbeiter und Ermittler

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

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)

2. Dezember 2024

Primärer Abschluss (Geschätzt)

1. Mai 2025

Studienabschluss (Geschätzt)

1. Mai 2025

Studienanmeldedaten

Zuerst eingereicht

2. März 2025

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

6. März 2025

Zuerst gepostet (Tatsächlich)

25. März 2025

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

25. März 2025

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

6. März 2025

Zuletzt verifiziert

1. März 2025

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Schlüsselwörter

Zusätzliche relevante MeSH-Bedingungen

Andere Studien-ID-Nummern

  • EK_24_158_VK

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

UNENTSCHIEDEN

Arzneimittel- und Geräteinformationen, Studienunterlagen

Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt

Nein

Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt

Ja

Produkt, das in den USA hergestellt und aus den USA exportiert wird

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