Esta página se tradujo automáticamente y no se garantiza la precisión de la traducción. por favor refiérase a versión inglesa para un texto fuente.

Planificación quirúrgica facial asistida por IA

16 de febrero de 2021 actualizado por: National Taiwan University Hospital

Planificación quirúrgica y análisis facial, periocular y orbital asistidos por inteligencia artificial

La visión por computadora que utiliza una arquitectura de aprendizaje profundo se usa ampliamente en el reconocimiento automático. En la investigación, se aplica el modelo de aprendizaje profundo que se entrena mediante imágenes de un solo ojo categorizadas para lograr el buen desempeño del modelo en el autodiagnóstico de blefaroptosis.

Descripción general del estudio

Descripción detallada

Este sistema de autodiagnóstico de blefaroptosis que utiliza una arquitectura de aprendizaje automático ayudará en la telemedicina, como la detección temprana de ptosis infantil para derivación y tratamiento inmediatos. Las personas podrían usar este software a través de dispositivos móviles para obtener un diagnóstico primitivo antes de llegar a los médicos. Además, en la atención primaria de salud, donde no hay un cirujano oculoplástico, el software podría ayudar a los médicos de atención primaria oa los oftalmólogos generales a identificar la necesidad de una derivación.

Tipo de estudio

De observación

Inscripción (Actual)

17932

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

      • Taipei, Taiwán
        • National Taiwan University Hospital

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

20 años a 65 años (ADULTO, MAYOR_ADULTO)

Acepta Voluntarios Saludables

No

Géneros elegibles para el estudio

Todos

Método de muestreo

Muestra de probabilidad

Población de estudio

Todos los datos se recopilaron en clínicas ambulatorias oftálmicas del Hospital Universitario Nacional de Taiwán.

Descripción

[Criterios de inclusión]

  1. Los participantes que tenían 20 años o más,
  2. El consentimiento informado quirúrgico fue avalado por los propios participantes,
  3. Participantes que tengan indicaciones quirúrgicas de las cirugías oculofaciales, y
  4. Los participantes que aceptaron la toma de fotografías después de la explicación del cirujano en las clínicas ambulatorias.

[Criterio de exclusión]

  1. Los participantes que tenían 19 años o menos,
  2. Los participantes que no tengan indicaciones quirúrgicas de las cirugías oculofaciales,
  3. Los participantes que fueron diseñados para tratamientos mínimamente invasivos, como Botox o cualquier tipo de inyección de relleno,
  4. Los participantes que se negaron a tomar fotografías por cualquier motivo, y
  5. Los participantes que no están disponibles para la toma de fotografías de calidad estándar, como los pacientes postrados en cama.

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

¿Qué mide el estudio?

Medidas de resultado primarias

Medida de resultado
Medida Descripción
Periodo de tiempo
El rendimiento del modelo se evalúa mediante la precisión.
Periodo de tiempo: Al finalizar los estudios, un promedio de 1 año
Un enfoque de inteligencia artificial
Al finalizar los estudios, un promedio de 1 año
AUC (área bajo la curva)
Periodo de tiempo: Al finalizar los estudios, un promedio de 1 año
Un enfoque de inteligencia artificial
Al finalizar los estudios, un promedio de 1 año
Curva ROC (Características operativas del receptor).
Periodo de tiempo: Al finalizar los estudios, un promedio de 1 año
Un enfoque de inteligencia artificial
Al finalizar los estudios, un promedio de 1 año
Un enfoque de inteligencia artificial para identificar enfermedades faciales, perioculares y orbitarias
Periodo de tiempo: Al finalizar los estudios, un promedio de 1 año
Se accede a la interpretabilidad del modelo mediante Grad-CAM (Class Activation Maps).
Al finalizar los estudios, un promedio de 1 año

Colaboradores e Investigadores

Aquí es donde encontrará personas y organizaciones involucradas en este estudio.

Colaboradores

Investigadores

  • Investigador principal: Shu-Lang Liao, MD,MPH, EMBA, National Taiwan University Hospital

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 enero de 2009

Finalización primaria (ACTUAL)

31 de diciembre de 2018

Finalización del estudio (ACTUAL)

30 de julio de 2019

Fechas de registro del estudio

Enviado por primera vez

3 de marzo de 2020

Primero enviado que cumplió con los criterios de control de calidad

23 de marzo de 2020

Publicado por primera vez (ACTUAL)

24 de marzo de 2020

Actualizaciones de registros de estudio

Última actualización publicada (ACTUAL)

18 de febrero de 2021

Última actualización enviada que cumplió con los criterios de control de calidad

16 de febrero de 2021

Última verificación

1 de febrero de 2021

Más información

Términos relacionados con este estudio

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. .

Suscribir