Sistema de inteligencia artificial en tiempo real para la detección de múltiples lesiones del fondo de ojo mediante imágenes de fondo de campo ultraamplio
23 de abril de 2021 actualizado por: Haotian Lin, Sun Yat-sen University
Sistema de inteligencia artificial en tiempo real para la detección de múltiples lesiones del fondo de ojo mediante imágenes de fondo de ojo de campo ultraamplio: un estudio multicéntrico prospectivo
Este estudio multicéntrico prospectivo evaluará la eficacia de un sistema de inteligencia artificial en tiempo real para detectar múltiples lesiones del fondo de ojo mediante imágenes de fondo de campo ultraamplio en entornos del mundo real.
Descripción general del estudio
Estado
Reclutamiento
Condiciones
Intervención / Tratamiento
Descripción detallada
El fondo de ojo puede mostrar signos tanto de enfermedades oculares (p. ej., degeneración reticular, desprendimiento de retina y glaucoma) como de enfermedades sistémicas (p. ej., hipertensión, diabetes y leucemia). El examen de fondo de ojo de rutina es propicio para la detección temprana de estas enfermedades. Sin embargo, la realización manual del examen del fondo de ojo necesita un oftalmólogo de retina con experiencia, y requiere mucho tiempo y mano de obra, lo que es difícil para su implementación rutinaria a gran escala.
Este estudio desarrollará un sistema de inteligencia artificial que se integrará con imágenes de fondo de campo ultra amplio para detectar automáticamente múltiples lesiones de fondo de ojo en tiempo real y evaluar su rendimiento en diferentes entornos del mundo real. La eficacia del sistema se comparará con los diagnósticos finales de cada participante realizados por oftalmólogos experimentados.
Tipo de estudio
De observación
Inscripción (Anticipado)
2000
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.
Estudio Contacto
- Nombre: Haotian Lin, MD, PhD
- Número de teléfono: 8613802793086
- Correo electrónico: haot.lin@hotmail.com
Copia de seguridad de contactos de estudio
- Nombre: Zhongwen Li, MD
- Número de teléfono: 8618138726682
- Correo electrónico: cuitx3@mail2.sysu.edu.cn
Ubicaciones de estudio
-
-
Guangdong
-
Guangzhou, Guangdong, Porcelana, 510060
- Reclutamiento
- Zhongshan Ophthalmic Center, Sun Yat-sen University
-
Contacto:
- Haotian Lin, M.D., Ph.D
- Número de teléfono: 8613802793086
- Correo electrónico: haot.lin@hotmail.com
-
Contacto:
- Xiaohang Wu, M.D., Ph.D
- Número de teléfono: 8615913177657
- Correo electrónico: wuxiaohang_zoc@qq.com
-
-
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
Sí
Géneros elegibles para el estudio
Todos
Método de muestreo
Muestra no probabilística
Población de estudio
Todos los participantes que acepten tomar imágenes de fondo de ojo de campo ultra amplio.
Descripción
Criterios de inclusión:
Todos los participantes que acepten tomar imágenes de fondo de ojo de campo ultra amplio.
Criterio de exclusión:
- Pacientes que no pueden cooperar con un fotógrafo como algunos paralíticos, pacientes con demencia y psicópatas severos.
- Pacientes que no estén de acuerdo en firmar el consentimiento informado.
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 |
|---|---|
|
Centro oftálmico de Zhongshan
El participante solo necesita tomar una imagen de fondo de ojo de campo ultra amplio como de costumbre.
|
El participante solo necesita tomar una imagen de fondo de ojo de campo ultra amplio como de costumbre.
|
|
Centro Oftálmico de Shenzhen
El participante solo necesita tomar una imagen de fondo de ojo de campo ultra amplio como de costumbre.
|
El participante solo necesita tomar una imagen de fondo de ojo de campo ultra amplio como de costumbre.
|
|
Hospital de Pekín Tongren
El participante solo necesita tomar una imagen de fondo de ojo de campo ultra amplio como de costumbre.
|
El participante solo necesita tomar una imagen de fondo de ojo de campo ultra amplio como de costumbre.
|
|
Centro oftálmico de Xudong
El participante solo necesita tomar una imagen de fondo de ojo de campo ultra amplio como de costumbre.
|
El participante solo necesita tomar una imagen de fondo de ojo de campo ultra amplio como de costumbre.
|
|
Centro de examen físico IKang
El participante solo necesita tomar una imagen de fondo de ojo de campo ultra amplio como de costumbre.
|
El participante solo necesita tomar una imagen de fondo de ojo de campo ultra amplio como de costumbre.
|
|
Hospital Popular del Hospital General de Yangxi
El participante solo necesita tomar una imagen de fondo de ojo de campo ultra amplio como de costumbre.
|
El participante solo necesita tomar una imagen de fondo de ojo de campo ultra amplio como de costumbre.
|
|
Hospital Popular Provincial de Guangdong
El participante solo necesita tomar una imagen de fondo de ojo de campo ultra amplio como de costumbre.
|
El participante solo necesita tomar una imagen de fondo de ojo de campo ultra amplio como de costumbre.
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Exactitud
Periodo de tiempo: 8 meses
|
Rendimiento de un sistema de inteligencia artificial para la detección de múltiples lesiones de fondo de ojo basado en imágenes de fondo de ojo de campo ultraamplio.
|
8 meses
|
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Sensibilidad
Periodo de tiempo: 8 meses
|
Rendimiento de un sistema de inteligencia artificial para la detección de múltiples lesiones de fondo de ojo basado en imágenes de fondo de ojo de campo ultraamplio.
|
8 meses
|
|
Especificidad
Periodo de tiempo: 8 meses
|
Rendimiento de un sistema de inteligencia artificial para la detección de múltiples lesiones de fondo de ojo basado en imágenes de fondo de ojo de campo ultraamplio.
|
8 meses
|
|
Coeficiente kappa de Cohen
Periodo de tiempo: 8 meses
|
La comparación entre el rendimiento del sistema de IA y los oftalmólogos de tres grados de experiencia.
|
8 meses
|
|
Tasa de falsos positivos
Periodo de tiempo: 8 meses
|
Características de la clasificación errónea
|
8 meses
|
|
Tasa de falsos negativos
Periodo de tiempo: 8 meses
|
Características de la clasificación errónea
|
8 meses
|
|
Tiempo de procesamiento de datos del sistema AI
Periodo de tiempo: 8 meses
|
Tiempo de procesamiento de datos del sistema AI.
|
8 meses
|
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 febrero de 2022
Finalización del estudio (Anticipado)
25 de diciembre de 2022
Fechas de registro del estudio
Enviado por primera vez
15 de abril de 2021
Primero enviado que cumplió con los criterios de control de calidad
23 de abril de 2021
Publicado por primera vez (Actual)
26 de abril de 2021
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
26 de abril de 2021
Última actualización enviada que cumplió con los criterios de control de calidad
23 de abril de 2021
Última verificación
1 de abril de 2021
Más información
Términos relacionados con este estudio
Palabras clave
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
- UWFAIDS2019-China-06
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