- ICH GCP
- Registro de ensayos clínicos de EE. UU.
- Ensayo clínico NCT04592068
AI clasifica las enfermedades multirretinianas
Clasificación automatizada basada en el aprendizaje profundo de la enfermedad multirretiniana a partir de la fotografía del fondo de ojo
Descripción general del estudio
Estado
Condiciones
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
Inscripción (Anticipado)
Contactos y Ubicaciones
Ubicaciones de estudio
-
-
Beijing
-
Beijing, Beijing, Porcelana, 100730
- Reclutamiento
- Wen-Bin Wei
-
-
Criterios de participación
Criterio de elegibilidad
Edades elegibles para estudiar
- Niño
- Adulto
- Adulto Mayor
Acepta Voluntarios Saludables
Géneros elegibles para el estudio
Método de muestreo
Población de estudio
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
¿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
Patrocinador
Colaboradores
Fechas de registro del estudio
Fechas importantes del estudio
Inicio del estudio (Actual)
Finalización primaria (Anticipado)
Finalización del estudio (Anticipado)
Fechas de registro del estudio
Enviado por primera vez
Primero enviado que cumplió con los criterios de control de calidad
Publicado por primera vez (Actual)
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
Última actualización enviada que cumplió con los criterios de control de calidad
Última verificación
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)?
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
producto fabricado y exportado desde los EE. UU.
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. .