Artificial Intelligence System for the Detection and Prediction of Kidney Diseases Using Ocular Information
tiistai 25. tammikuuta 2022 päivittänyt: Haotian Lin, Sun Yat-sen University
This is an retrospective and prospective multicenter study to develop and validate an artificial intelligent (AI) aided diagnosis, therapeutic effect assessment model including chronic kidney disease (CKD) and dialysis patients starting from April 2009, which is based on ophthalmic examinations (e.g.
retinal fundus photography, slit-lamp images, OCTA, etc.) and CKD diagnostic and therapeutic data (routine clinical evaluations and laboratory data), to provide a reliable basis and guideline for clinical diagnosis and treatment.
Tutkimuksen yleiskatsaus
Tila
Rekrytointi
Interventio / Hoito
Opintotyyppi
Havainnollistava
Ilmoittautuminen (Odotettu)
4000
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskeluyhteys
- Nimi: Haotian Lin, Ph. D
- Puhelinnumero: 13802793086
- Sähköposti: gddlht@aliyun.com
Opiskelupaikat
-
-
Guangdong
-
Guangzhou, Guangdong, Kiina, 510060
- Rekrytointi
- Zhongshan Ophthalmic Center, Sun Yat-sen University
-
Ottaa yhteyttä:
- Haotian Lin, M.D., Ph.D
- Puhelinnumero: +8613802793086
- Sähköposti: haot.lin@hotmail.com
-
Ottaa yhteyttä:
- Qianni Wu, M.D., Ph.D
- Puhelinnumero: +8615521506995
- Sähköposti: wuqianni@gzzoc.com
-
-
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
18 vuotta ja vanhemmat (Aikuinen, Vanhempi Aikuinen)
Hyväksyy terveitä vapaaehtoisia
Joo
Sukupuolet, jotka voivat opiskella
Kaikki
Näytteenottomenetelmä
Todennäköisyysnäyte
Tutkimusväestö
Participants who had slit-lamp, retinal fundus photography and kidney disease tests at the Department of Nephrology, First Affiliated Hospital of Sun Yat-sen University and Medical Centre of Aikang Health Care, Guangzhou, China
Kuvaus
Inclusion Criteria:
- Patients previously received kidney biopsy, ophthalmic examinations and routine examinations of the department of nephrology during in-hospital period with BCVA>0.5.
Exclusion Criteria:
- Patients without retinal fundus images or kidney diseases.
- The quality of the retinal fundus images can not meet the requirement for furthur analysis.
- Severe loss of results of routine examinations of the department of nephrology.
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 |
|---|---|
|
Development Dataset 01
Slit-lamp, retinal fundus images, OCTA and kidney diseases examinations collected from Department of Nephrology of the First Affiliated Hospital of Sun Yat-sen University
|
The development datasets were used to train the deep learning model, which was validated and tested by the other 4 datasets.
|
|
Development Dataset 02
Slit-lamp, retinal fundus images, OCTA and kidney diseases examinations collected from Medical Centre of Aikang Health Care, Guangzhou, China
|
The development datasets were used to train the deep learning model, which was validated and tested by the other 4 datasets.
|
|
Validation Dataset 01
Slit-lamp, retinal fundus images, OCTA and kidney diseases examinations collected from Department of Nephrology of the First Affiliated Hospital of Sun Yat-sen University
|
The development datasets were used to train the deep learning model, which was validated and tested by the other 4 datasets.
|
|
Validation Dataset 02
Slit-lamp, retinal fundus images, OCTA and kidney diseases examinations collected from Medical Centre of Aikang Health Care, Guangzhou, China
|
The development datasets were used to train the deep learning model, which was validated and tested by the other 4 datasets.
|
|
Test Dataset 01
Slit-lamp, retinal fundus images, OCTA and kidney diseases examinations collected from Department of Nephrology of the First Affiliated Hospital of Sun Yat-sen University
|
The development datasets were used to train the deep learning model, which was validated and tested by the other 4 datasets.
|
|
Test Dataset 02
Slit-lamp, retinal fundus images, OCTA and kidney diseases examinations collected from Medical Centre of Aikang Health Care, Guangzhou, China
|
The development datasets were used to train the deep learning model, which was validated and tested by the other 4 datasets.
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Area under the receiver operating characteristic curve of the deep learning system
Aikaikkuna: baseline
|
The investigators will calculate the area under the receiver operating characteristic curve of deep learning system and compare this index between deep learning system and human doctors
|
baseline
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Sensitivity and specificity of the deep learning system
Aikaikkuna: baseline
|
The investigators will calculate the sensitivity and specifity of deep learning system and compare this index between deep learning system and human doctors
|
baseline
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Sponsori
Yhteistyökumppanit
Tutkijat
- Opintojen puheenjohtaja: Yizhi Liu, M.D., Ph.D., Zhongshan Ophthalmic Center, Sun Yat-sen University
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)
Lauantai 28. elokuuta 2021
Ensisijainen valmistuminen (Odotettu)
Torstai 1. joulukuuta 2022
Opintojen valmistuminen (Odotettu)
Torstai 1. joulukuuta 2022
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Sunnuntai 23. tammikuuta 2022
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Tiistai 25. tammikuuta 2022
Ensimmäinen Lähetetty (Todellinen)
Perjantai 4. helmikuuta 2022
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Perjantai 4. helmikuuta 2022
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Tiistai 25. tammikuuta 2022
Viimeksi vahvistettu
Lauantai 1. tammikuuta 2022
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Avainsanat
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- AIKD-2021
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
EI
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Ei
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Ei
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 .