Tämä sivu käännettiin automaattisesti, eikä käännösten tarkkuutta voida taata. Katso englanninkielinen versio lähdetekstiä varten.

Tekoäly erittäin likinäköiseen kaihiin (AI-HMC)

keskiviikko 6. toukokuuta 2026 päivittänyt: Shanghai High Myopia Study Group
Tämän tutkimuksen tavoitteena on luoda monikeskusinen tekoälymalli silmänsisäisen linssin tarkkaan laskemiseen ja sen kliiniseen käyttöön erittäin likinäköisessä kaihissa, jotta voidaan parantaa leikkauksen jälkeisen diopterin ennusteen tarkkuutta erittäin likinäköisillä kaihipotilailla.

Tutkimuksen yleiskatsaus

Yksityiskohtainen kuvaus

High myopia cataract (HMC) on monimutkainen kaihi, johon liittyy suuri sokeuden riski. Tällä hetkellä maailmassa on lähes 300 miljoonaa ihmistä, joilla on korkea likinäköisyys, ja määrä kasvaa 500 miljoonaan vuoteen 2020 mennessä. Aasia on maailman yleisin myopian esiintyvyys. Tällä hetkellä pelkästään Kiinassa on yli 500 miljoonaa likinäköistä ihmistä, joista lähes 100 miljoonaa on korkeaa likinäköisyyttä, ja tämä määrä kasvaa edelleen nopeasti. Vastaavasti myös kaihien ilmaantuvuus korkeaan likinäköisyyteen on lisääntynyt nopeasti, mikä on yli 40 % kaihileikkauksista.

Projektiryhmän tekemän korkean likinäköisyyden kaihin leikkauksen jälkeisen taittovirheanalyysin alkuvaiheessa havaittiin, että silmänsisäisen linssin laskentakaavan tarkkuus, jota tällä hetkellä suositellaan laajalti korkean likinäköisyyden aiheuttamaan kaihiin, on edelleen huolestuttava, koska useimmat näistä kaavoista perustuvat eurooppalaisiin ja amerikkalaisiin silmätietoihin, kun taas eurooppalaisessa ja amerikkalaisessa tietokannassa on vähän ultrakorkean likinäköisyyden tietoja, mikä vaikuttaa suuresti kaavan tarkkuuteen. Lisäksi olemassa olevan kaavan laskentaan on sisällytettävä useita biometrisiä indikaattoreita, ja ne voidaan saada perustuen. monimutkaisilla algoritmeilla. Tekoälyteknologia on täsmälleen tehokas tapa ratkaista tällainen ongelma. Siksi, perustuen tietoihin Aasian väestöstä, jolla on korkea likinäköisyys ja korkea ilmaantuvuus, älykkään mallin luominen korkean likinäköisyyden tarkkaan laskemiseen kaihi IOL parantaa huomattavasti mittaustarkkuutta Sukupuoli.

Siksi tämän tutkimuksen tarkoituksena on luoda monikeskusinen tekoälymalli silmänsisäisen linssin tarkkaan laskemiseen ja sen kliiniseen käyttöön erittäin likinäköisessä kaihissa, jotta voidaan parantaa leikkauksen jälkeisen diopterin ennusteen tarkkuutta erittäin likinäköisillä kaihipotilailla. .

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Arvioitu)

500000

Yhteystiedot ja paikat

Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.

Opiskeluyhteys

Tutki yhteystietojen varmuuskopiointi

Opiskelupaikat

    • Shanghai Municipality
      • Shanghai, Shanghai Municipality, Kiina, 200031
        • Rekrytointi
        • Eye and ENT Hospital of Fudan University
        • Ottaa yhteyttä:

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

  • Lapsi
  • Aikuinen
  • Vanhempi Aikuinen

Hyväksyy terveitä vapaaehtoisia

Ei

Näytteenottomenetelmä

Todennäköisyysnäyte

Tutkimusväestö

Tuleva kohorttitutkimus

Kuvaus

Sisällön kriteerit:

Aksiaalinen pituus ≥ 26 mm ja sairaalassamme vierailevat potilaat, joilla on korkea likinäköisyys, joka on komplisoitunut kaihiin.

Leikkausta edeltävä etuosan valokuvaus ja kaihivakavuusarviointi sekä silmänpohjan OCT-tutkimus on tehty.

Jos suoritetaan kirurgista hoitoa, leikkauksen jälkeisen seurantajakson tulee olla vähintään 1 kuukausi.

Ennen leikkausta ja sen jälkeen ei ole puuttuvia kliinisiä tietoja.

Poissulkemiskriteerit:

Potilaat, jotka eivät pysty yhteistyöhön tämän tutkimuksen edellyttämien tutkimusten kanssa.

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
Erittäin likinäköiset kaihipotilaat, joilla ei ole silmänpohjan vikoja
Erittäin likinäköiset kaihipotilaat, joilla on silmänpohjavaurioita
Käytä uusia tekoälymalleja auttamaan kirurgisten suunnitelmien määrittämisessä ja tulosten ennustamisessa.
Erittäin likinäköiset kaihipotilaat, joilla on silmänpohjavaurioita
Käytä uusia tekoälymalleja auttamaan kirurgisten suunnitelmien määrittämisessä ja tulosten ennustamisessa.
Erittäin likinäköiset kaihipotilaat, joiden linssin luokitus on NC2-3
Käytä uusia tekoälymalleja auttamaan kirurgisten suunnitelmien määrittämisessä ja tulosten ennustamisessa.
Erittäin likinäköiset kaihipotilaat, joiden linssin luokitus on NC4-5
Käytä uusia tekoälymalleja auttamaan kirurgisten suunnitelmien määrittämisessä ja tulosten ennustamisessa.

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Aikaikkuna
monikeskusinen tekoälymalli silmänsisäisen linssin tarkkaan laskemiseen ja sen kliiniseen käyttöön erittäin likinäköisessä kaihissa
Aikaikkuna: 10 VUOTTA
10 VUOTTA
monikeskusinen tekoälymalli kaihien luokitteluun ja sen kliiniseen käyttöön erittäin likinäköisessä kaihissa
Aikaikkuna: 8 vuotta
8 vuotta

Toissijaiset tulostoimenpiteet

Tulosmittaus
Aikaikkuna
monikeskusinen tekoälymalli perioperatiivisten komplikaatioiden riskien ennustamiseen ja sen kliiniseen käyttöön erittäin likinäköisessä kaihissa
Aikaikkuna: 10 vuotta
10 vuotta
monikeskusinen tekoälymalli kirurgisen lopputuloksen ennustamiseen ja sen kliiniseen käyttöön erittäin likinäköisessä kaihissa
Aikaikkuna: 10 vuotta
10 vuotta

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Tutkijat

  • Opintojen puheenjohtaja: XIANGJIA ZHU, Eye & ENT Hospital of Fudan 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)

Perjantai 1. tammikuuta 2016

Ensisijainen valmistuminen (Arvioitu)

Tiistai 31. joulukuuta 2030

Opintojen valmistuminen (Arvioitu)

Maanantai 31. joulukuuta 2035

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Keskiviikko 25. syyskuuta 2024

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Keskiviikko 25. syyskuuta 2024

Ensimmäinen Lähetetty (Todellinen)

Perjantai 27. syyskuuta 2024

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Maanantai 11. toukokuuta 2026

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Keskiviikko 6. toukokuuta 2026

Viimeksi vahvistettu

Perjantai 1. toukokuuta 2026

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Muut tutkimustunnusnumerot

  • NSFC-81970780
  • SYA202006 (Muu apuraha/rahoitusnumero: Eye and Ear, Nose and Throat Hospital, Fudan University)
  • SHDC12019X08 (Muu apuraha/rahoitusnumero: Shanghai Shenkang Hospital Development Center)

Yksittäisten osallistujien tietojen suunnitelma (IPD)

Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?

PÄÄTTÄMÄTÖN

Lääke- ja laitetiedot, tutkimusasiakirjat

Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta

Ei

Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta

Ei

Yhdysvalloissa valmistettu ja sieltä viety tuote

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 .

Tilaa