Bewertung der hypertensiven Retinopathie mittels Convolutional Neural Network "RetinAIcheck"
13. März 2026 aktualisiert von: I.M. Sechenov First Moscow State Medical University
Bewertung der hypertensiven Retinopathie anhand der Keith-Wagener-Barker-Klassifikation auf Basis des Convolutional Neural Network "RetinAIcheck"
Die aktuelle Studie zielt darauf ab, die diagnostische Wirksamkeit eines entwickelten konvolutionalen neuronalen Netzwerks (CNN) "RetinAIcheck" bei der Einstufung des Schweregrads der hypertensiven Retinopathie bei Patienten der russischen Bevölkerung zu schätzen.
Der Trainingsdatensatz wurde aus einer offenen Quelle bezogen und von sieben unabhängigen Netzhautspezialisten neu beschriftet, der Stichprobenumfang betrug 30.000 Fundusfotografien. Die Teststichprobe umfasste 729 Patienten (1401 Augen) mit HR. Der Referenzstandard war das Ergebnis der unabhängigen Einstufung des HR-Stadiums durch zwei Augenärzte, kontroverse klinische Fälle wurden unter Einbeziehung eines dritten Augenarztes bewertet.
Studienübersicht
Status
Abgeschlossen
Bedingungen
Intervention / Behandlung
Studientyp
Beobachtungs
Einschreibung (Tatsächlich)
729
Kontakte und Standorte
Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.
Studienorte
-
-
-
Moscow, Russland
- University Clinical Hospital №1, Sechenov University
-
-
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
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Ja
Probenahmeverfahren
Wahrscheinlichkeitsstichprobe
Studienpopulation
Die Testprobe wurde in der Kardiologie-Klinik des Klinischen Krankenhauses № 1 der Universität Sechenov, am Forschungsinstitut für Augenkrankheiten namens M.M. Krasnov und im Moskauer Regionalen Klinischen Forschungsinstitut namens M.F. Vladimirsky (MONIKI) gesammelt.
Beschreibung
Einschlusskriterien:
Das Vorliegen einer Hypertonie-Diagnose in der elektronischen Patientenakte.
Ausschlusskriterien:
Angeborene und erworbene Zustände, die mit irreversiblen Sehverlust einhergehen (Anophthalmie, Optikusatrophie, Augapfelverletzungen), Makulopathien wie altersbedingte Makuladegeneration, zentrale seröse Chorioretinopathie, zentrale seröse Chorioretinitis und Trübungen der optischen Medien des Auges, die die Bildqualität beeinträchtigen.
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 |
|---|---|
|
Retinopathie bei Hypertonie Grad 1
|
Ein convolutional neural network ist ein medizinisches Entscheidungsunterstützungssystem, das während der Mydriasis aufgenommene digitale Fundusfotografien verarbeitet und die Wahrscheinlichkeit des Vorhandenseins/Fehlens einer hypertensiven Retinopathie sowie deren Einstufung gemäß der Keith-Wagener-Barker-Klassifikation bestimmt.
|
|
Hypertensive Retinopathie Grad 2
|
Ein convolutional neural network ist ein medizinisches Entscheidungsunterstützungssystem, das während der Mydriasis aufgenommene digitale Fundusfotografien verarbeitet und die Wahrscheinlichkeit des Vorhandenseins/Fehlens einer hypertensiven Retinopathie sowie deren Einstufung gemäß der Keith-Wagener-Barker-Klassifikation bestimmt.
|
|
Hypertensive Retinopathie Grad 3
|
Ein convolutional neural network ist ein medizinisches Entscheidungsunterstützungssystem, das während der Mydriasis aufgenommene digitale Fundusfotografien verarbeitet und die Wahrscheinlichkeit des Vorhandenseins/Fehlens einer hypertensiven Retinopathie sowie deren Einstufung gemäß der Keith-Wagener-Barker-Klassifikation bestimmt.
|
|
Hypertensive Retinopathie Grad 3+4
|
Ein convolutional neural network ist ein medizinisches Entscheidungsunterstützungssystem, das während der Mydriasis aufgenommene digitale Fundusfotografien verarbeitet und die Wahrscheinlichkeit des Vorhandenseins/Fehlens einer hypertensiven Retinopathie sowie deren Einstufung gemäß der Keith-Wagener-Barker-Klassifikation bestimmt.
|
|
Klasse 0 ohne Anzeichen einer hypertensiven Retinopathie
|
Ein convolutional neural network ist ein medizinisches Entscheidungsunterstützungssystem, das während der Mydriasis aufgenommene digitale Fundusfotografien verarbeitet und die Wahrscheinlichkeit des Vorhandenseins/Fehlens einer hypertensiven Retinopathie sowie deren Einstufung gemäß der Keith-Wagener-Barker-Klassifikation bestimmt.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Genauigkeit
Zeitfenster: Die Fähigkeit, das Vorhandensein oder Fehlen einer Erkrankung korrekt zu identifizieren
|
Die Fähigkeit eines Tests, den Anteil der tatsächlichen positiven Fälle korrekt zu identifizieren
|
Die Fähigkeit, das Vorhandensein oder Fehlen einer Erkrankung korrekt zu identifizieren
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Empfindlichkeit
Zeitfenster: Februar 2026
|
Die Fähigkeit eines Tests, den Anteil der tatsächlichen positiven Fälle korrekt zu identifizieren
|
Februar 2026
|
|
Spezifität
Zeitfenster: Februar 2026
|
Die Fähigkeit eines Tests, den Anteil der tatsächlichen negativen Fälle korrekt zu identifizieren
|
Februar 2026
|
Mitarbeiter und Ermittler
Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.
Ermittler
- Hauptermittler: Philipp Yu Kopylov, Prof., Sechenov First Moscow State Medical University (Sechenov University)
Publikationen und hilfreiche Links
Die Bereitstellung dieser Publikationen erfolgt freiwillig durch die für die Eingabe von Informationen über die Studie verantwortliche Person. Diese können sich auf alles beziehen, was mit dem Studium zu tun hat.
Nützliche Links
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)
11. März 2021
Primärer Abschluss (Tatsächlich)
26. Februar 2026
Studienabschluss (Tatsächlich)
26. Februar 2026
Studienanmeldedaten
Zuerst eingereicht
10. März 2026
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
10. März 2026
Zuerst gepostet (Tatsächlich)
13. März 2026
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
16. März 2026
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
13. März 2026
Zuletzt verifiziert
1. September 2021
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- RetinAIcheck-01
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
NEIN
Beschreibung des IPD-Plans
Die im Forschungsprojekt verwendeten Daten sind nicht öffentlich zugänglich, können aber auf Anfrage beim Hauptuntersucher bereitgestellt werden.
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 Faltendes neuronales Netzwerk "RetinAIcheck"
-
Peking University Third HospitalAbgeschlossen