Desarrollo de un Algoritmo Óptimo para el Manejo de Pacientes con Desprendimiento del Epitelio Pigmentario de la Retina en Degeneración Macular Neovascular Asociada a la Edad Utilizando Inteligencia Artificial
11 de abril de 2023 actualizado por: Viktoria Myasnikova, The S.N. Fyodorov Eye Microsurgery State Institution
Desarrollo de un Algoritmo para la Predicción Anatómica y Funcional de los Resultados de la Terapia con Inhibidores de la Angiogénesis en Pacientes con Desprendimiento del Epitelio Pigmentario de la Retina en Degeneración Macular Neovascular Asociada a la Edad, Basado en Tomografía de Coherencia Óptica Primaria de la Zona Macular y Datos Clínicos.
El estudio consiste en el desarrollo de un algoritmo para predecir los resultados anatómicos y funcionales de la terapia con inhibidores de la angiogénesis en pacientes con desprendimiento del epitelio pigmentario de la retina en la degeneración macular asociada a la edad neovascular, basado en la tomografía de coherencia óptica primaria de la zona macular y datos clínicos.
Descripción general del estudio
Estado
Terminado
Intervención / Tratamiento
Descripción detallada
Los pacientes se dividieron en 3 grupos según los resultados de la terapia: adherencia de desprendimiento, falta de adherencia de desprendimiento, ruptura de desprendimiento.
Para estos grupos se seleccionan imágenes OCT de la zona macular con máximo desprendimiento antes de la terapia.
Estas imágenes, junto con otros parámetros clínicos, se ingresan al algoritmo.
El resultado es uno de los 3 resultados del tratamiento enumerados anteriormente.
Los métodos que se utilizarán para desarrollar el algoritmo incluyen métodos para procesar y transformar datos, aprendizaje automático profundo, métricas para calcular la precisión de los algoritmos.
Tipo de estudio
De observación
Inscripción (Actual)
300
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
-
-
-
Krasnodar, Federación Rusa, 350012
- The S.N. Fyodorov Eye Microsurgery State Institution
-
-
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
- Adulto Mayor
Acepta Voluntarios Saludables
Sí
Método de muestreo
Muestra de probabilidad
Población de estudio
Pacientes con desprendimiento del epitelio pigmentario de la retina con degeneración macular neovascular relacionada con la edad
Descripción
Criterios de inclusión:
- Lineal B: escaneo a través del área macular con el desprendimiento más largo
- Otras patologías
Criterio de exclusión:
- Imágenes sin desapego
- Imágenes en las que es posible diagnosticar la necesidad de terapia solo en presencia de factores adicionales no considerados en el estudio.
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 |
|---|---|
|
adhesión
el grupo en el que se observó la adhesión del desprendimiento neuroepitelial después de la terapia con factor de crecimiento endotelial antivascular
|
0,05 ml anti-VEGF, intravítreo, mensual
Otros nombres:
|
|
sin adherencia
grupo en el que no hubo adherencia del desprendimiento neuroepitelial después de la terapia con factor de crecimiento endotelial antivascular
|
0,05 ml anti-VEGF, intravítreo, mensual
Otros nombres:
|
|
разрыв
grupo en el que se observó ruptura del desprendimiento neuroepitelial después de la terapia con factor de crecimiento endotelial antivascular
|
0,05 ml anti-VEGF, intravítreo, mensual
Otros nombres:
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Algoritmo de predicción
Periodo de tiempo: 1.09.2022
|
Clasificador de redes neuronales
|
1.09.2022
|
Colaboradores e Investigadores
Aquí es donde encontrará personas y organizaciones involucradas en este estudio.
Patrocinador
Investigadores
- Director de estudio: Viktoria Myasnikova, D.Med.Sc., Deputy Director for Research
Publicaciones y enlaces útiles
La persona responsable de ingresar información sobre el estudio proporciona voluntariamente estas publicaciones. Estos pueden ser sobre cualquier cosa relacionada con el estudio.
Publicaciones Generales
- Rohm M, Tresp V, Muller M, Kern C, Manakov I, Weiss M, Sim DA, Priglinger S, Keane PA, Kortuem K. Predicting Visual Acuity by Using Machine Learning in Patients Treated for Neovascular Age-Related Macular Degeneration. Ophthalmology. 2018 Jul;125(7):1028-1036. doi: 10.1016/j.ophtha.2017.12.034. Epub 2018 Feb 14.
- Prahs P, Radeck V, Mayer C, Cvetkov Y, Cvetkova N, Helbig H, Marker D. OCT-based deep learning algorithm for the evaluation of treatment indication with anti-vascular endothelial growth factor medications. Graefes Arch Clin Exp Ophthalmol. 2018 Jan;256(1):91-98. doi: 10.1007/s00417-017-3839-y. Epub 2017 Nov 10.
- Schmidt-Erfurth U, Bogunovic H, Sadeghipour A, Schlegl T, Langs G, Gerendas BS, Osborne A, Waldstein SM. Machine Learning to Analyze the Prognostic Value of Current Imaging Biomarkers in Neovascular Age-Related Macular Degeneration. Ophthalmol Retina. 2018 Jan;2(1):24-30. doi: 10.1016/j.oret.2017.03.015. Epub 2017 May 31.
- Bogunovic H, Montuoro A, Baratsits M, Karantonis MG, Waldstein SM, Schlanitz F, Schmidt-Erfurth U. Machine Learning of the Progression of Intermediate Age-Related Macular Degeneration Based on OCT Imaging. Invest Ophthalmol Vis Sci. 2017 May 1;58(6):BIO141-BIO150. doi: 10.1167/iovs.17-21789.
- Schmidt-Erfurth U, Waldstein SM, Klimscha S, Sadeghipour A, Hu X, Gerendas BS, Osborne A, Bogunovic H. Prediction of Individual Disease Conversion in Early AMD Using Artificial Intelligence. Invest Ophthalmol Vis Sci. 2018 Jul 2;59(8):3199-3208. doi: 10.1167/iovs.18-24106.
- Kozina, E. V., S. N. Sakhnov, V. V. Myasnikova, E. V. Bykova, and L. E. Aksenova. 2021. 'Modern Trends in Diagnostics and Prediction of Results of Anti-Vascular Endothelial Growth Factor Therapy of Pigment Epithelial Detachment in Neovascular Agerelated Macular Degeneration Using Deep Machine Learning Method (Literature Review)'. Acta Biomedica Scientifica 6 (6-1): 190-203. https://doi.org/10.29413/ABS.2021-6.6-1.22.
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 2021
Finalización primaria (Actual)
1 de septiembre de 2022
Finalización del estudio (Actual)
1 de septiembre de 2022
Fechas de registro del estudio
Enviado por primera vez
5 de enero de 2022
Primero enviado que cumplió con los criterios de control de calidad
12 de enero de 2022
Publicado por primera vez (Actual)
26 de enero de 2022
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
13 de abril de 2023
Última actualización enviada que cumplió con los criterios de control de calidad
11 de abril de 2023
Última verificación
1 de abril de 2023
Más información
Términos relacionados con este estudio
Palabras clave
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
- 1 (Mobile Health and Wellness Program)
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. .