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

Machine-learning Algorithm for Prediction of CKD From Retinal Images (healthy route)

10 de noviembre de 2026 actualizado por: Mohamed Khalis, Centre Mohammed VI de la Recherche et de l'Innovation (CM6RI)

A Validation Study to Assess Performance Accuracy of a Machine-Learning Algorithm for the Prediction of Chronic Kidney Disease (CKD) From Digital Retinal Images

This is a non-interventional study being conducted to validate the performance of a machine learning algorithm for prediction of eGFR from digital retinal images in a target population for future intended use as a populated-based screening tool. Secondary objectives will include prediction of blood pressure (> or ≤ 140/90 mmHg) and presence or absence of T2DM as determined by glycated haemoglobin (HbA1c >6.5%) or on the basis of clinical history. Once validated, the methodology will be deployed for health screening to improve access to healthcare.

Descripción general del estudio

Tipo de estudio

De observación

Inscripción (Estimado)

500

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: Mohamed Khalis, Professor
  • Número de teléfono: +212 628-245023
  • Correo electrónico: mkhalis@um6ss.ma

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

18 años y mayores (Adulto, Adulto Mayor)

Acepta Voluntarios Saludables

Sí

Géneros elegibles para el estudio

Todos

Método de muestreo

Muestra no probabilística

Población de estudio

The study population consists of adult patients diagnosed with chronic kidney disease (CKD), hypertension, diabetes mellitus, or without these conditions, attending routine outpatient clinics at Hôpital Universitaire International Cheikh Khalifa Ibn Zaid in Casablanca and Centre Hospitalier Universitaire Hassan II in Fez, Morocco.

Descripción

Inclusion Criteria

Participants are eligible to be included in the study only if all of the following criteria apply:

  1. Participant must be ≥ 18 years of age, at the time of signing the informed consent.
  2. Previously documented eGFR ≥ 3months
  3. Any participant with a positive dipstick result for proteinuria of at least trace
  4. Capable of giving signed informed consent as described in Appendix A which includes compliance with the requirements and restrictions listed in the informed consent form and in this protocol

Exclusion Criteria:

  • Participants are excluded from the study if any of the following criteria apply:

    1. As judged by the investigator, any evidence of a condition which in the investigator's opinion makes it undesirable for the participant to participate in the study.
    2. Any known eye condition that may preclude clear imaging of the retina for example; cataracts
    3. Individuals with hypertensive emergencies and hyperglycemic or hypoglycemic emergencies
    4. Involvement in the planning and/or conduct of the study (applies to HHA/ AstraZeneca staff and/or staff at the study site).
    5. Judgment by the investigator that the participant should not participate in the study if the participant is unlikely to comply with study procedures, restrictions and requirements.

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

  • Modelos observacionales: CASE_CONTROL
  • Perspectivas temporales: CROSS_SECTIONAL

Cohortes e Intervenciones

Grupo / Cohorte
Intervención / Tratamiento
CKD Cases

350 participants (cases) with diabetes and/or hypertension and/or CKD with previously documented eGFR < 60 ml/min/1.73m2 ≥3 months

A machine learning-based algorithm analyzes retinal images to assess its ability to detect chronic kidney disease

Controls

150 (controls) with previously documented eGFR ≥ 60 ml/min/1.73m2 ≥ 3 months

A machine learning-based algorithm analyzes retinal images to assess its ability to detect chronic kidney disease

¿Qué mide el estudio?

Medidas de resultado primarias

Medida de resultado
Medida Descripción
Periodo de tiempo
The accuracy of a machine-learning based algorithm to predict high risk CKD from digital retinal images
Periodo de tiempo: Baseline

To quantify the discrimination of the machine-learning algorithm for identifying the binary target condition of persistent eGFR <60 mL/min/1.73 m², using standard-of-care serum creatinine as the reference standard and the AUROC with a 95% confidence interval as the primary performance measure

Baseline

Medidas de resultado secundarias

Medida de resultado
Medida Descripción
Periodo de tiempo
Accuracy of the Machine Learning Algorithm for Detection of Hypertension and T2DM
Periodo de tiempo: Baseline

To quantify the sensitivity, specificity, and discriminative performance of a machine-learning-based algorithm for identifying SBP >140 mmHg from digital retinal images, using standard-of-care assessment as the reference standard and the AUROC with a 95% confidence interval as the primary performance measure

Baseline

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 (Estimado)

1 de enero de 2027

Finalización primaria (Estimado)

30 de junio de 2027

Finalización del estudio (Estimado)

31 de octubre de 2027

Fechas de registro del estudio

Enviado por primera vez

16 de julio de 2026

Primero enviado que cumplió con los criterios de control de calidad

10 de noviembre de 2026

Publicado por primera vez (Actual)

16 de noviembre de 2026

Actualizaciones de registros de estudio

Última actualización publicada (Actual)

16 de noviembre de 2026

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

10 de noviembre de 2026

Última verificación

1 de julio de 2026

Más información

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. .

Suscribir