Optimaalisen algoritmin kehittäminen sellaisten potilaiden hoitoon, joilla on verkkokalvon pigmenttiepiteelin irtoaminen uudissuonien ikään liittyvässä silmänpohjan rappeutumassa tekoälyn avulla
tiistai 11. huhtikuuta 2023 päivittänyt: Viktoria Myasnikova, The S.N. Fyodorov Eye Microsurgery State Institution
Algoritmin kehittäminen angiogeneesi-inhibiittoreiden hoidon anatomisten ja toiminnallisten tulosten ennustamiseksi potilailla, joilla on verkkokalvon pigmenttiepiteelin irtoaminen neovaskulaarisen ikään liittyvän silmänpohjan rappeuman yhteydessä, makulavyöhykkeen primaariseen optiseen koherenssitomografiaan ja kliinisiin tietoihin.
Tutkimuksessa kehitetään algoritmi angiogeneesin estäjien hoidon anatomisten ja toiminnallisten tulosten ennustamiseksi potilailla, joilla on verkkokalvon pigmenttiepiteelin irtoaminen neovaskulaarisen ikääntymiseen liittyvän silmänpohjan rappeuman yhteydessä, perustuen makulavyöhykkeen primaariseen optiseen koherenssitomografiaan ja kliinisiin tietoihin.
Tutkimuksen yleiskatsaus
Tila
Valmis
Interventio / Hoito
Yksityiskohtainen kuvaus
Potilaat jaettiin 3 ryhmään hoidon tulosten mukaan: irtoamisen tarttuminen, irtoamisen puute, irtautumisen repeämä.
Näille ryhmille valitaan OCT-kuvat makulavyöhykkeestä, jossa on maksimiirtautuminen ennen hoitoa.
Nämä kuvat yhdessä muiden kliinisten parametrien kanssa syötetään algoritmiin.
Tulos on yksi kolmesta yllä mainitusta hoitotuloksesta.
Algoritmin kehittämisen menetelmiä ovat muun muassa datan käsittely- ja muunnosmenetelmät, syvä koneoppiminen, algoritmien tarkkuuden laskentametriikat.
Opintotyyppi
Havainnollistava
Ilmoittautuminen (Todellinen)
300
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskelupaikat
-
-
-
Krasnodar, Venäjän federaatio, 350012
- The S.N. Fyodorov Eye Microsurgery State Institution
-
-
Osallistumiskriteerit
Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Joo
Näytteenottomenetelmä
Todennäköisyysnäyte
Tutkimusväestö
Potilaat, joilla on verkkokalvon pigmenttiepiteelin irtoaminen ja ikään liittyvä uudissuonien silmänpohjan rappeuma
Kuvaus
Sisällyttämiskriteerit:
- Lineaarinen B - skannaa makulan alueen läpi pisimmällä irtautumisella
- Muut patologiat
Poissulkemiskriteerit:
- Kuvia ilman irtoamista
- Kuvat, joiden perusteella on mahdollista diagnosoida hoidon tarve vain, jos on muita tekijöitä, joita tutkimuksessa ei huomioida.
Opintosuunnitelma
Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Kohortit ja interventiot
Ryhmä/Kohortti |
Interventio / Hoito |
|---|---|
|
adheesiota
ryhmä, jossa neuroepiteelin irtoamisen tarttuminen havaittiin antivaskulaarisen endoteelin kasvutekijähoidon jälkeen
|
0,05 ml anti-VEGF, intravitreaalinen, kuukausittain
Muut nimet:
|
|
ei tarttumista
ryhmä, jossa ei havaittu neuroepiteelin irtoamista antivaskulaarisen endoteelin kasvutekijähoidon jälkeen
|
0,05 ml anti-VEGF, intravitreaalinen, kuukausittain
Muut nimet:
|
|
разрыв
ryhmä, jossa neuroepiteelin irtoamisen repeämä havaittiin antivaskulaarisen endoteelin kasvutekijähoidon jälkeen
|
0,05 ml anti-VEGF, intravitreaalinen, kuukausittain
Muut nimet:
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Ennustusalgoritmi
Aikaikkuna: 1.09.2022
|
Neuroverkkojen luokitin
|
1.09.2022
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Tutkijat
- Opintojohtaja: Viktoria Myasnikova, D.Med.Sc., Deputy Director for Research
Julkaisuja ja hyödyllisiä linkkejä
Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.
Yleiset julkaisut
- 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.
Opintojen ennätyspäivät
Nämä päivämäärät seuraavat ClinicalTrials.gov-sivustolle lähetettyjen tutkimustietueiden ja yhteenvetojen edistymistä. National Library of Medicine (NLM) tarkistaa tutkimustiedot ja raportoidut tulokset varmistaakseen, että ne täyttävät tietyt laadunvalvontastandardit, ennen kuin ne julkaistaan julkisella verkkosivustolla.
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Maanantai 1. marraskuuta 2021
Ensisijainen valmistuminen (Todellinen)
Torstai 1. syyskuuta 2022
Opintojen valmistuminen (Todellinen)
Torstai 1. syyskuuta 2022
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Keskiviikko 5. tammikuuta 2022
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Keskiviikko 12. tammikuuta 2022
Ensimmäinen Lähetetty (Todellinen)
Keskiviikko 26. tammikuuta 2022
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Torstai 13. huhtikuuta 2023
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Tiistai 11. huhtikuuta 2023
Viimeksi vahvistettu
Lauantai 1. huhtikuuta 2023
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Avainsanat
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- 1 (Mobile Health and Wellness Program)
Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .