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

Aprendizaje Profundo en Detección y Monitoreo de Retinoblastoma.

24 de marzo de 2022 actualizado por: Wenbin Wei, Beijing Tongren Hospital

Sistema de detección asistido por computadora de aprendizaje profundo para la detección y el monitoreo de retinoblastoma.

El retinoblastoma es el cáncer ocular más frecuente en la infancia. Las terapias para preservar los ojos requieren un control de rutina de la regresión y recurrencia del retinoblastoma para guiar el tratamiento correspondiente. En el estudio actual, desarrollamos un algoritmo de aprendizaje profundo que puede identificar simultáneamente tumores de retinoblastoma en imágenes Retcam y distinguir entre tumores de retinoblastoma activos e inactivos. Este algoritmo se validará a través de un conjunto de datos recopilados prospectivamente.

Descripción general del estudio

Estado

Reclutamiento

Condiciones

Intervención / Tratamiento

Descripción detallada

El retinoblastoma, el cáncer ocular más frecuente en la infancia, afecta a 1 de cada 15 000 a 1 de cada 18 000 nacidos vivos. China tiene el segundo mayor número de pacientes con retinoblastoma en el mundo. Las terapias para preservar los ojos se han utilizado ampliamente en China durante aproximadamente 15 años. Las terapias para preservar los ojos requieren un control de rutina de la regresión y recurrencia del retinoblastoma para guiar el tratamiento correspondiente. Sin embargo, la mayor parte de los oftalmólogos titulados se concentran en varios centros médicos. El aprendizaje profundo basado en el examen Retcam que puede identificar el retinoblastoma reducirá la precisión de la detección de los hospitales locales y reducirá la carga de palabras de monitoreo. En el estudio actual, se desarrolló un algoritmo de aprendizaje profundo que puede identificar simultáneamente tumores de retinoblastoma en imágenes Retcam y distinguir entre tumores de retinoblastoma activos e inactivos. Este algoritmo se validará a través de un conjunto de datos recopilados prospectivamente.

Tipo de estudio

De observación

Inscripción (Anticipado)

200

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: Wenbin Wei, MD
  • Número de teléfono: 010-58269523
  • Correo electrónico: weiwenbintr@163.com

Copia de seguridad de contactos de estudio

Ubicaciones de estudio

  • Porcelana
    • 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

1 segundo a 5 años (NIÑO)

Acepta Voluntarios Saludables

No

Géneros elegibles para el estudio

Todos

Método de muestreo

Muestra no probabilística

Población de estudio

Los pacientes con retinoblastoma se someten a un tratamiento médico estándar.

Descripción

Criterios de inclusión:

  • Los pacientes con retinoblastoma se someten a un tratamiento médico estándar.

Criterio de exclusión:

  • Los operadores identificaron imágenes no evaluables para un correcto diagnóstico, por motivos como desenfoque y desenfoque, y las excluyeron de análisis posteriores.

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
Pacientes con retinoblastoma
Pacientes con retinoblastoma que reciben atención médica estándar en el Hospital Tongren de Beijing. La imagen anónima de estos pacientes será recolectada y etiquetada prospectivamente por oftalmólogos senior.
Prueba de diagnóstico: Algorismo de aprendizaje profundo
Se aplicaría un algoritmo de aprendizaje profundo que se desarrolló anteriormente para identificar tumores de retinoblastoma en imágenes Retcam y distinguir entre tumores de retinoblastoma activos e inactivos. La decisión de dos oftalmólogos senior diferentes sería el estándar de oro.

¿Qué mide el estudio?

Medidas de resultado primarias

Medida de resultado
Medida Descripción
Periodo de tiempo
Precisión de diagnóstico del algoritmo de aprendizaje profundo
Periodo de tiempo: 1 semana
La precisión de diagnóstico de este algoritmo de aprendizaje profundo es la proporción de verdaderos positivos y verdaderos negativos en todos los casos evaluados.
1 semana

Colaboradores e Investigadores

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

Patrocinador

Beijing Tongren 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 marzo de 2020

Finalización primaria (ANTICIPADO)

1 de mayo de 2022

Finalización del estudio (ANTICIPADO)

1 de octubre de 2022

Fechas de registro del estudio

Enviado por primera vez

24 de marzo de 2022

Primero enviado que cumplió con los criterios de control de calidad

24 de marzo de 2022

Publicado por primera vez (ACTUAL)

1 de abril de 2022

Actualizaciones de registros de estudio

Última actualización publicada (ACTUAL)

1 de abril de 2022

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

24 de marzo de 2022

Última verificación

1 de marzo de 2022

Más información

Términos relacionados con este estudio

Términos MeSH relevantes adicionales

Otros números de identificación del estudio

  • AI in retinoblastoma

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 Algorismo de aprendizaje profundo

Buscar ensayos similares

Patrocinadores y Colaboradores

Condiciones médicas

Intervenciones de drogas

CROs by country

CROs in Guatemala

Condiciones

Enfermedades Raras

Intervenciones de drogas

Suplementos dietéticos

Patrocinador / Colaboradores

Localizaciones

Suscribir