Inteligencia artificial (AI): modelo de detección de discapacidad visual asistida: implementación y evaluación comunitaria de rendimiento, viabilidad y costos.
10 de marzo de 2026 actualizado por: Tham Yih Chung, Singapore Eye Research Institute
El objetivo de este estudio observacional es evaluar el rendimiento, la eficiencia operativa, la aceptabilidad, la viabilidad y la rentabilidad de un modelo de detección asistido por AI-AI para deterioro visual en un entorno comunitario. Las principales preguntas que pretende responder son:
- ¿Puede el modelo de detección asistido por AI-AI mejorar la precisión de detección y referencia en comparación con el enfoque de detección tradicional actual?
- ¿El modelo asistido por IA mejora la eficiencia operativa y reduce los costos de atención médica en un entorno comunitario?
Los investigadores compararán el modelo asistido por AII con el enfoque de detección tradicional actual para evaluar su impacto en la precisión de detección, eficiencia operativa y rentabilidad.
Los participantes:
- Someterse a la detección de la visión utilizando el modelo asistido por AI o el modelo tradicional.
- Proporcione comentarios sobre la aceptabilidad del enfoque de detección.
- Contribuir a evaluar la viabilidad y los costos asociados con cada método de detección.
Descripción general del estudio
Estado
Activo, no reclutando
Condiciones
Intervención / Tratamiento
Tipo de estudio
Intervencionista
Inscripción (Estimado)
400
Fase
- No aplica
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
-
-
Singapore
-
Singapore, Singapore, Singapur, 648201
- Pioneer Polyclinic
-
-
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
Descripción
Criterios de inclusión:
- Individuos de 50 años o más.
Criterios de exclusión:
- Individuos de menos de 50 años.
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
- Propósito principal: Diagnóstico
- Asignación: Aleatorizado
- Modelo Intervencionista: Asignación paralela
- Enmascaramiento: Doble
Armas e Intervenciones
Grupo de participantes/brazo |
Intervención / Tratamiento |
|---|---|
|
Experimental: AI-asistido
Los participantes se someterán a una detección de discapacidad visual utilizando el modelo AVIRI (IA para la detección de discapacidad visual relacionada con la enfermedad utilizando imágenes retinianas).
Esta intervención implica el análisis automatizado de la imagen del fondo de fondo a través de la inteligencia artificial para detectar e identificar a las personas con alta probabilidad de discapacidad visual.
|
Algoritmo de aprendizaje profundo basado en la fotografía retiniana para la detección de casos de deterioro visual relacionados con la enfermedad
Otros nombres:
|
|
Sin intervención: Tradicional
Los participantes recibirán una detección de discapacidad visual utilizando el modelo de detección tradicional, que involucra a los optometristas que realizan evaluaciones iniciales, seguidas de decisiones de referencia basadas en la evaluación manual de la imagen del fondo.
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Rendimiento de Aviri en la detección de discapacidad visual
Periodo de tiempo: A través de la finalización del estudio, un promedio de 1 año
|
El resultado primario es el rendimiento de detección para VI (VI relacionado con el error de refracción y relacionado con la enfermedad) y la tasa de derivación correcta, con referencia al diagnóstico de los paneles expertos.
Para evaluar si el nuevo modelo asistido por AI-AI tiene una mejor precisión de referencia que el modelo tradicional actual, la precisión, los valores de AUC, la sensibilidad, la especificidad y otras métricas de rendimiento de los dos modelos se calcularán y compararán.
|
A través de la finalización del estudio, un promedio de 1 año
|
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Eficiencia operativa
Periodo de tiempo: A través de la finalización del estudio, un promedio de 1 año
|
La evaluación incluye (i) tiempo de detección promedio por paciente y (ii) número promedio de pacientes examinados por sesión.
|
A través de la finalización del estudio, un promedio de 1 año
|
|
Aceptabilidad del paciente
Periodo de tiempo: A través de la finalización del estudio, un promedio de 1 año
|
La aceptabilidad del paciente se evalúa a través de un cuestionario de 6 ítems (escala Likert de 4 puntos: 'satisfacción' o 'probabilidad') administrado por coordinadores capacitados.
|
A través de la finalización del estudio, un promedio de 1 año
|
|
Percepciones de viabilidad
Periodo de tiempo: A través de la finalización del estudio, un promedio de 1 año
|
Las percepciones de viabilidad se evalúan a través de al menos dos grupos focales con optometristas y uno con proveedores de servicios se llevará a cabo, guiados por el marco consolidado para la investigación de implementación (CFIR).
Las discusiones explorarán barreras y facilitadores que influyen en la adopción del modelo de detección de IA.
Los datos serán codificados de manera inductiva y deductiva por dos investigadores utilizando construcciones CFIR; Las discrepancias resueltas a través del consenso o un tercer investigador.
|
A través de la finalización del estudio, un promedio de 1 año
|
|
Ahorros de costos de implementación del modelo de detección asistido por AI-AI
Periodo de tiempo: A través de la finalización del estudio, un promedio de 1 año
|
Researchers will quantify the incremental cost savings of implementing the AI-assisted screening model over the PSS model using an Activity Based Costing (ABC) approach that quantifies all non-sunk costs (including labor, materials and supplies, and amortized technology and space utility/ rental costs) required to conduct each assessment stratified by key activities of each screening model (e.g., conduct screening examinations, operationalize the AVIRI algorithm, on-site Generación de resultados de prueba, etc.).
Los costos fijos se amortizarán sobre la vida útil esperada de las entradas (es decir,
involucró la esperanza de vida de los activos fijos).
Para el costo de las evaluaciones clínicas, los investigadores utilizarán facturas no subsidiadas, ya que se espera que estos se aproximen a los costos reales.
|
A través de la finalización del estudio, un promedio de 1 año
|
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)
27 de junio de 2024
Finalización primaria (Actual)
27 de febrero de 2026
Finalización del estudio (Estimado)
31 de marzo de 2026
Fechas de registro del estudio
Enviado por primera vez
7 de marzo de 2025
Primero enviado que cumplió con los criterios de control de calidad
10 de marzo de 2025
Publicado por primera vez (Actual)
14 de marzo de 2025
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
11 de marzo de 2026
Última actualización enviada que cumplió con los criterios de control de calidad
10 de marzo de 2026
Última verificación
1 de marzo de 2026
Más información
Términos relacionados con este estudio
Palabras clave
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
- 2024/2297
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.
No
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. .