Detección e identificación de enfermedades hepatobiliares a través del aprendizaje profundo utilizando imágenes oculares
16 de agosto de 2020 actualizado por: Haotian Lin, Sun Yat-sen University
La inteligencia artificial puede proporcionar información para explorar la posible asociación encubierta detrás y revelar algunos cambios tempranos en la arquitectura ocular en personas con trastornos hepatobiliares.
Realizamos un trabajo pionero para explorar la asociación entre el ojo y el hígado a través del aprendizaje profundo, para desarrollar y evaluar diferentes modelos de aprendizaje profundo para predecir la enfermedad hepatobiliar mediante el uso de imágenes oculares.
Descripción general del estudio
Estado
Terminado
Intervención / Tratamiento
Tipo de estudio
De observación
Inscripción (Actual)
1789
Contactos y Ubicaciones
Esta sección proporciona los datos de contacto de quienes realizan el estudio e información sobre dónde se lleva a cabo este estudio.
Ubicaciones de estudio
-
-
Guangdong
-
Guangzhou, Guangdong, Porcelana, 510000
- Zhongshan Ophthalmic Center, Sun Yat-sen Univerisity
-
-
Criterios de participación
Los investigadores buscan personas que se ajusten a una determinada descripción, denominada criterio de elegibilidad. Algunos ejemplos de estos criterios son el estado de salud general de una persona o tratamientos previos.
Criterio de elegibilidad
Edades elegibles para estudiar
- ADULTO
- MAYOR_ADULTO
- NIÑO
Acepta Voluntarios Saludables
Sí
Géneros elegibles para el estudio
Todos
Método de muestreo
Muestra de probabilidad
Población de estudio
Imágenes de fondo de retina y lámpara de hendidura recopiladas del Departamento de Enfermedades Infecciosas, Tercer Hospital Afiliado de la Universidad Sun Yat-sen, Departamento de Enfermedades Infecciosas, Tercer Hospital Afiliado de la Universidad Sun Yat-sen, Hospital Afiliado Huadu de la Universidad Médica del Sur, Centro Médico Nantian de Aikang Health Care y el Centro Médico Huanshidong de Aikang Health Care.
Descripción
Criterios de inclusión:
- La calidad de las imágenes de fondo de ojo y de lámpara de hendidura debe ser clínicamente aceptable.
- Más del 90 % del área de la imagen del fondo de ojo, incluidas cuatro regiones principales (disco óptico, mácula, arcos vasculares superiores e inferiores de la retina) son fáciles de leer y discriminar.
- Más del 90 % del área de la imagen de la lámpara de hendidura, incluidas las tres regiones principales (esclerótica, pupila y cristalino), son fáciles de leer y discriminar.
Criterio de exclusión:
- Las imágenes con fugas de luz (>10 % del área), manchas de reflejos o manchas en la lente y sobreexposición se excluyeron de un análisis posterior.
Plan de estudios
Esta sección proporciona detalles del plan de estudio, incluido cómo está diseñado el estudio y qué mide el estudio.
¿Cómo está diseñado el estudio?
Detalles de diseño
Cohortes e Intervenciones
Grupo / Cohorte |
Intervención / Tratamiento |
|---|---|
|
conjunto de datos de desarrollo 01
Imágenes de lámpara de hendidura y fondo de retina recopiladas del Departamento de Cirugía Hepatobiliar del Tercer Hospital Afiliado de la Universidad Sun Yat-sen.
|
El conjunto de datos de entrenamiento se utilizó para entrenar el modelo de aprendizaje profundo, que fue validado y probado por los otros dos conjuntos de datos.
|
|
conjunto de datos de desarrollo 02
Imágenes de lámpara de hendidura y fondo de retina recopiladas del Hospital Afiliado Huadu de la Universidad Médica del Sur.
|
El conjunto de datos de entrenamiento se utilizó para entrenar el modelo de aprendizaje profundo, que fue validado y probado por los otros dos conjuntos de datos.
|
|
conjunto de datos de desarrollo 03
Imágenes de lámpara de hendidura y fondo de retina obtenidas del Nantian Medical Center of Aikang Health Care.
|
El conjunto de datos de entrenamiento se utilizó para entrenar el modelo de aprendizaje profundo, que fue validado y probado por los otros dos conjuntos de datos.
|
|
conjunto de datos de prueba 01
Imágenes de lámpara de hendidura y fondo de retina recopiladas del Departamento de Enfermedades Infecciosas, Tercer Hospital Afiliado de la Universidad Sun Yat-sen.
|
El conjunto de datos de entrenamiento se utilizó para entrenar el modelo de aprendizaje profundo, que fue validado y probado por los otros dos conjuntos de datos.
|
|
conjunto de datos de prueba 02
Imágenes de lámpara de hendidura y fondo de retina obtenidas del Centro Médico Huanshidong de Aikang Health Care.
|
El conjunto de datos de entrenamiento se utilizó para entrenar el modelo de aprendizaje profundo, que fue validado y probado por los otros dos conjuntos de datos.
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
área bajo la curva característica operativa del receptor del sistema de aprendizaje profundo
Periodo de tiempo: base
|
Los investigadores calcularán el área bajo la curva característica operativa del receptor del sistema de aprendizaje profundo y compararán este índice entre el sistema de aprendizaje profundo y los médicos humanos.
|
base
|
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
sensibilidad y especificidad del sistema de aprendizaje profundo
Periodo de tiempo: base
|
Los investigadores calcularán la sensibilidad y la especificidad del sistema de aprendizaje profundo y compararán este índice entre el sistema de aprendizaje profundo y los médicos humanos.
|
base
|
Colaboradores e Investigadores
Aquí es donde encontrará personas y organizaciones involucradas en este estudio.
Fechas de registro del estudio
Estas fechas rastrean el progreso del registro del estudio y los envíos de resultados resumidos a ClinicalTrials.gov. Los registros del estudio y los resultados informados son revisados por la Biblioteca Nacional de Medicina (NLM) para asegurarse de que cumplan con los estándares de control de calidad específicos antes de publicarlos en el sitio web público.
Fechas importantes del estudio
Inicio del estudio (ACTUAL)
1 de diciembre de 2018
Finalización primaria (ACTUAL)
31 de enero de 2020
Finalización del estudio (ACTUAL)
31 de enero de 2020
Fechas de registro del estudio
Enviado por primera vez
25 de diciembre de 2019
Primero enviado que cumplió con los criterios de control de calidad
25 de diciembre de 2019
Publicado por primera vez (ACTUAL)
30 de diciembre de 2019
Actualizaciones de registros de estudio
Última actualización publicada (ACTUAL)
18 de agosto de 2020
Última actualización enviada que cumplió con los criterios de control de calidad
16 de agosto de 2020
Última verificación
1 de agosto de 2020
Más información
Términos relacionados con este estudio
Palabras clave
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
- AEHD-2019
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
NO
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
No
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
No
Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .
Ensayos clínicos sobre Inteligencia artificial
-
Medtronic Cardiac Rhythm and Heart FailureTerminadoMarcapasos cardíaco artificial | Marcapasos Cardíaco, ArtificialCanadá, Estados Unidos, Israel, Italia, Katar, Porcelana
-
Sanatorio Anchorena San MartinJavier Hernán Dorado; Joaquin PerezReclutamiento
-
Cairo UniversityReclutamiento
-
First Affiliated Hospital, Sun Yat-Sen UniversityReclutamiento
-
Istituto Clinico HumanitasTerminado
-
Istituto Clinico HumanitasTerminadoInteligencia artificialItalia
-
Respinor ASEuropean CommissionTerminadoRespiración ArtificialNoruega
-
Centre Hospitalier Universitaire, AmiensDesconocido
-
Lawson Health Research InstituteTerminado
-
Children's Hospital of PhiladelphiaLaerdal MedicalTerminado