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

AI clasifica las enfermedades multirretinianas

9 de diciembre de 2020 actualizado por: Beijing Tongren Hospital

Clasificación automatizada basada en el aprendizaje profundo de la enfermedad multirretiniana a partir de la fotografía del fondo de ojo

El objetivo de este estudio es establecer un algoritmo de aprendizaje profundo (DL) para clasificar automáticamente múltiples enfermedades a partir de la fotografía del fondo de ojo y diferenciar las principales afecciones que amenazan la visión y otras anomalías de la retina. La eficacia y la precisión del algoritmo establecido se evaluarán en un conjunto de datos derivados de la comunidad.

Descripción general del estudio

Descripción detallada

Las enfermedades de la retina amenazan gravemente la visión y la calidad de vida, pero a menudo se desarrollan de manera insidiosa. Hasta la fecha, los algoritmos de aprendizaje profundo (DL) han mostrado grandes perspectivas en la ciencia biomédica, particularmente en el diagnóstico de enfermedades oculares, como la retinopatía diabética, la degeneración macular relacionada con la edad, la retinopatía del prematuro, el glaucoma y el papiledema. Sin embargo, todavía falta un algoritmo único que pueda clasificar múltiples enfermedades a partir de la fotografía de fondo de ojo.

Este estudio transversal establecerá un algoritmo DL para clasificar automáticamente múltiples enfermedades a partir de la fotografía del fondo de ojo y diferenciar las principales condiciones que amenazan la visión y otras anomalías de la retina. Usaremos la curva característica operativa del receptor (ROC) para examinar la capacidad de reconocimiento y clasificación de enfermedades. Tomando los resultados del panel de expertos como estándar de oro, utilizaremos los índices de evaluación, como sensibilidad, especificidad, precisión, valor predictivo positivo, valor predictivo negativo, etc., para comparar la capacidad de diagnóstico entre el sistema de reconocimiento de IA y el oftalmólogo humano. .

Tipo de estudio

De observación

Inscripción (Anticipado)

10000

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

    • Beijing
      • Beijing, Beijing, Porcelana, 100730
        • Reclutamiento
        • Wen-Bin Wei

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

  • Niño
  • Adulto
  • Adulto Mayor

Acepta Voluntarios Saludables

No

Géneros elegibles para el estudio

Todos

Método de muestreo

Muestra no probabilística

Población de estudio

conjunto de datos derivados de la comunidad

Descripción

Criterios de inclusión:

  • fotografía de fondo de ojo alrededor del campo de 45° que cubre el disco óptico y la mácula
  • información completa de identificación del paciente;

Criterio de exclusión:

  • información de identificación del paciente incompleta

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
Multienfermedades retinales diagnosticadas por algoritmo DL
El algoritmo DL clasifica automáticamente múltiples enfermedades a partir de la fotografía del fondo de ojo y diferencia las principales afecciones que amenazan la visión y otras anomalías de la retina.
Multienfermedades retinianas diagnosticadas por panel de expertos
El panel de expertos clasifica múltiples enfermedades a partir de la fotografía del fondo de ojo y diferencia las principales afecciones que amenazan la visión y otras anomalías de la retina.

¿Qué mide el estudio?

Medidas de resultado primarias

Medida de resultado
Medida Descripción
Periodo de tiempo
Área bajo la curva
Periodo de tiempo: 1 semana
Usaremos la curva característica operativa del receptor (ROC) para examinar la capacidad de reconocimiento y clasificación de enfermedades. Tomando los resultados del panel de expertos como estándar de oro, utilizaremos el área bajo la curva para comparar la capacidad de diagnóstico entre el sistema de reconocimiento de IA y el oftalmólogo humano.
1 semana
Sensibilidad y especificidad
Periodo de tiempo: 1 semana
Tomando los resultados del panel de expertos como estándar de oro, utilizaremos la sensibilidad y la especificidad para comparar la capacidad de diagnóstico entre el sistema de reconocimiento de IA y el oftalmólogo humano.
1 semana
Valor predictivo positivo y negativo
Periodo de tiempo: 1 semana
Tomando los resultados del panel de expertos como estándar de oro, utilizaremos el valor predictivo positivo y negativo para comparar la capacidad de diagnóstico entre el sistema de reconocimiento de IA y el oftalmólogo humano.
1 semana
Exactitud
Periodo de tiempo: 1 semana
Tomando los resultados del panel de expertos como estándar de oro, utilizaremos la precisión para comparar la capacidad de diagnóstico entre el sistema de reconocimiento de IA y el oftalmólogo humano.
1 semana

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 noviembre de 2020

Finalización primaria (Anticipado)

1 de noviembre de 2021

Finalización del estudio (Anticipado)

1 de diciembre de 2021

Fechas de registro del estudio

Enviado por primera vez

13 de octubre de 2020

Primero enviado que cumplió con los criterios de control de calidad

15 de octubre de 2020

Publicado por primera vez (Actual)

19 de octubre de 2020

Actualizaciones de registros de estudio

Última actualización publicada (Actual)

11 de diciembre de 2020

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

9 de diciembre de 2020

Última verificación

1 de octubre de 2020

Más información

Términos relacionados con este estudio

Términos MeSH relevantes adicionales

Otros números de identificación del estudio

  • Retinal multi diseases

Plan de datos de participantes individuales (IPD)

¿Planea compartir datos de participantes individuales (IPD)?

INDECISO

Información sobre medicamentos y dispositivos, documentos del estudio

Estudia un producto farmacéutico regulado por la FDA de EE. UU.

Sí

Estudia un producto de dispositivo regulado por la FDA de EE. UU.

No

producto fabricado y exportado desde los 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