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

Oftalminen multimodaalinen AI-avusteinen lääketieteellinen päätöksenteko

keskiviikko 16. huhtikuuta 2025 päivittänyt: Kang Zhang, The Eye Hospital of Wenzhou Medical University

Tutkimus oftalmisesta multimodaalisesta tekoälyavusteisesta lääketieteellisestä päätöksenteosta, joka perustuu kuvantamiseen ja sähköiseen sairaustietotietoon

Tämä on monikeskusinen, retrospektiivinen kliininen tutkimus, joka on suunniteltu arvioimaan tekoälyavusteisen lääketieteellisen päätöksenteon tukijärjestelmän soveltamista ja tehokkuutta, joka hyödyntää multimodaalista datafuusiota silmän kliinisessä käytännössä.

Tutkimuksen yleiskatsaus

Tila

Rekrytointi

Ehdot

Interventio / Hoito

Yksityiskohtainen kuvaus

Näkövammat vaikuttavat merkittävästi yksilön elämänlaatuun. Silmäsairauksien varhainen seulonta, diagnosointi ja hoito ovat ratkaisevan tärkeitä näköhäiriöiden puhkeamisen ja etenemisen estämisessä. Kliinisessä käytännössä silmälääkäreiden on usein integroitava laaja valikoima potilastietoja, mukaan lukien demografiset tiedot, sairaushistoria, biokemialliset markkerit, kuten verensokeri- ja lipiditasot, riskitekijät sekä erilaiset oftalmologiset tiedot, kuten silmänpohjakuvat, OCT-skannaukset. ja näkökenttätestejä tarkan diagnoosin tekemiseksi ja asianmukaisen hoitosuunnitelman laatimiseksi. Aikakaudella, jolloin täsmällinen ja yksilöllinen lääketiede on terveydenhuollon eturintamassa, silmäsairauksien varhainen havaitseminen ja diagnosointi sekä sopivien diagnostisten ja hoitostrategioiden valinta taudin eri vaiheissa ovat nousseet merkittäviksi haasteiksi kliinisissä ympäristöissä. Viimeaikaiset edistysaskeleet lääketieteellisissä kuvantamis- ja analyysitekniikoissa ovat parantaneet huomattavasti silmäsairauksien diagnoosin tarkkuutta ja tehokkuutta. Tämän tutkimuksen tavoitteena on kehittää oftalminen tekoäly-avusteinen päätöksentekojärjestelmä integroimalla multimodaalista tietoa kuvantamisesta ja sähköisistä potilaskertomuksista yhdistettynä syväoppimistekniikoihin. Tavoitteena on parantaa diagnostista tarkkuutta, virtaviivaistaa kliinisiä työnkulkuja ja tarjota potilaille yksilöllisempiä hoitovaihtoehtoja. Viime kädessä tämä järjestelmä pyrkii parantamaan hoitotuloksia ja parantamaan silmäsairauksista kärsivien potilaiden yleistä elämänlaatua.

Opintotyyppi

Havainnollistava

Ilmoittautuminen (Arvioitu)

5000000

Yhteystiedot ja paikat

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

Opiskeluyhteys

Opiskelupaikat

  • Kiina
    • Guangdong
      • Zhuhai, Guangdong, Kiina
        • Rekrytointi
        • ZhuHai Hospital, zhuhai, guangdong
        • Ottaa yhteyttä:
    • Zhejiang
      • Wenzhou, Zhejiang, Kiina
        • Rekrytointi
        • First Affiliated Hospital of Wenzhou Medical University
        • Ottaa yhteyttä:
      • Wenzhou, Zhejiang, Kiina
        • Rekrytointi
        • Second Affiliated Hospital of Wenzhou Medical Universit
        • Ottaa yhteyttä:
      • Wenzhou, Zhejiang, Kiina
        • Rekrytointi
        • The Eye Hospital of Wenzhou Medical University
        • Ottaa yhteyttä:
  • Macao
      • Macau, Macao
        • Rekrytointi
        • Macau University of Science and Technology Hospital
        • 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

Ei-todennäköisyysnäyte

Tutkimusväestö

Kaikki potilaat, jotka ovat saaneet hoitoa useissa keskuksissa, mukaan lukien Wenzhoun lääketieteellisen yliopiston silmäsairaala, Wenzhoun lääketieteellisen yliopiston ensimmäinen sidossairaala, Wenzhoun lääketieteellisen yliopiston toinen sidossairaala, ZhuHain sairaala ja Macaon tiede- ja teknologiasairaala.

Kuvaus

Sisällön kriteerit:

1. Kaikki potilaat, jotka ovat saaneet hoitoa useissa keskuksissa, mukaan lukien Wenzhoun lääketieteellisen yliopiston silmäsairaala, Wenzhoun lääketieteellisen yliopiston ensimmäinen sidossairaala, Wenzhoun lääketieteellisen yliopiston toinen sidossairaala, ZhuHai Hospital ja Macaon tiede- ja teknologiasairaala.

2. Kattavien sähköisten terveyskertomusten (EHR) saatavuus, mukaan lukien: Oftalmiset kuvat (esim. silmänpohjakuvaukset, OCT-kuvat tai rakolamppukuvat). Sähköiset potilastiedot (esim. diagnoosi, hoito ja seurantatiedot). Tutkimustulokset (esim. näöntarkkuus, silmänpaine tai laboratoriokokeet). 3. Potilaat, joilla on selkeä ja vahvistettu yhden tai useamman silmäsairauden diagnoosi. 4. Potilaat, joilla on riittävästi seurantatietoja, jotta voidaan arvioida taudin eteneminen tai ennuste tarvittaessa.

  1. Kaikki silmätautipotilaat, jotka ovat aiemmin saaneet hoitoa oftalmologian osastolla, Wenzhoun lääketieteellisen yliopiston silmäsairaalassa, Wenzhoun lääketieteellisen yliopiston ensimmäisessä sidossairaalassa, Wenzhoun lääketieteellisen yliopiston toisessa sidossairaalassa, Zhuhain kansansairaalassa ja yliopistollisessa sairaalassa.
  2. Kattavien sähköisten terveyskertomusten (EHR) saatavuus, mukaan lukien: Oftalmiset kuvat (esim. silmänpohjakuvaukset, OCT-kuvat tai rakolamppukuvat). Sähköiset potilastiedot (esim. diagnoosi, hoito ja seurantatiedot). Tutkimustulokset (esim. näöntarkkuus, silmänpaine tai laboratoriokokeet).
  3. Potilaat, joilla on selkeä ja vahvistettu yhden tai useamman silmäsairauden diagnoosi.
  4. Potilaat, joilla on riittävät seurantatiedot, jotta voidaan arvioida taudin eteneminen tai ennuste tarvittaessa.

Poissulkemiskriteerit:

  1. Epätäydelliset tai puuttuvat kriittiset EHR-komponentit.
  2. Tapaukset, joissa on epäselviä tai vahvistamattomia diagnooseja, joita ei voida selkeästi luokitella.
  3. Saman potilaan päällekkäiset tai ylimääräiset tiedot.

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
normaali
potilaita, joilla ei ole silmäsairauksia
silmäsairaudet
potilaita, joilla on silmäsairauksia
Diagnostinen testi: Diagnostinen testi: tekoälyyn perustuva silmäsairauksien diagnostinen ja ennustemalli
Tämä toimenpide sisältää tekoälyjärjestelmän, joka hyödyntää multimodaalista datafuusiota silmäsairauksien kliinisen päätöksenteon ja arvioinnin tukemiseksi. Se integroi multimodaalista dataa, mukaan lukien silmänpohjan valokuvauksen, optisen koherenssin tomografian (OCT) ja potilaan kliiniset tiedot tarjotakseen reaaliaikaista, tarkkaa ja yksilöllistä diagnostista tukea. Toisin kuin muut mallit, tämä järjestelmä käyttää pitkittäistä potilastietosarjaa ennustamaan sairauden etenemistä ja hoitotuloksia. Tärkeimpiä erottuvia piirteitä ovat: 1. Multimodaalinen tietojen integrointi: Yhdistää kuvantamisen, kliinisen ja geneettisen tiedon kattavaa analyysiä varten. 2. Ennakointikyky: Tarjoaa edistyneitä ennusteita, jotka mahdollistavat yksilölliset hoitosuunnitelmat. 3. Deep Learning Framework: Käyttää huippuluokan syväoppimisalgoritmeja diagnostisen tarkkuuden ja tehokkuuden parantamiseksi. 4. Reaalimaailman validointi: Validoitu käyttämällä suurta joukkoa erilaisia ​​potilastietoja, mikä varmistaa yleistettävyyden ja kestävyyden.

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Käyrän alla oleva alue (AUC)
Aikaikkuna: 1 vuotta
ROC-käyrän AUC, käytetään diagnostisen tarkkuuden kvantifiointiin. Ei yksikköä (suhde tai prosenttiosuus, joka ilmaistaan ​​tyypillisesti numerona 0–1).
1 vuotta
Herkkyys
Aikaikkuna: 1 vuotta
Herkkyys (tunnetaan myös nimellä True Positive Rate) on mitta siitä, kuinka hyvin malli tunnistaa positiiviset esiintymät. Se määritellään mallin oikein tunnistamien todellisten positiivisten tapausten osuutena. Ei yksikköä (suhde tai prosenttiosuus, yleensä ilmaistuna prosentteina).
1 vuotta
Tarkkuus Tarkkuus Tarkkuus
Aikaikkuna: 1 vuotta
Tarkkuus mittaa kaikkien oikeiden ennusteiden (oikeat positiiviset ja todelliset negatiiviset) osuutta mallin arvioimien tapausten kokonaismäärästä. Ei yksikköä (suhde tai prosenttiosuus, yleensä ilmaistuna prosentteina).
1 vuotta
Spesifisyys
Aikaikkuna: 1 vuotta
Spesifisyys (kutsutaan myös todelliseksi negatiiviseksi määräksi) mittaa mallin oikein tunnistamien todellisten negatiivisten tapausten osuutta. Ei yksikköä (suhde tai prosenttiosuus, yleensä ilmaistuna prosentteina).
1 vuotta
Väärä positiivinen korko
Aikaikkuna: 1 vuotta
False Positive Rate (FPR) mittaa niiden todellisten negatiivisten tapausten osuuden, jotka malli on tunnistanut virheellisesti positiivisiksi. Ei yksikköä (suhde tai prosenttiosuus, yleensä ilmaistuna prosentteina).
1 vuotta
Väärä negatiivinen korko
Aikaikkuna: 1 vuotta
False Negative Rate (FNR) mittaa niiden todellisten positiivisten tapausten osuuden, jotka malli on tunnistanut väärin negatiivisiksi. Ei yksikköä (suhde tai prosenttiosuus, yleensä ilmaistuna prosentteina).
1 vuotta
Leikkauksen jälkeisten komplikaatioiden määrä
Aikaikkuna: 1 vuotta
Prosenttiosuus (%) potilaista, joilla on postoperatiivisia komplikaatioita.
1 vuotta
Toistumisen riskiprosentti
Aikaikkuna: 1 vuotta
Prosenttiosuus (%) potilaista, joilla on uusiutuminen seurantajakson aikana.
1 vuotta
Selviytymisprosentti
Aikaikkuna: 1 vuotta
Elossa olevien potilaiden prosenttiosuus (%) laskettuna Kaplan-Meierin eloonjäämiskäyrillä.
1 vuotta
Päätöksentuen tehokkuus
Aikaikkuna: 1 vuotta
Tekoälyavustuksella tehtyjen hoitopäätösten tarkkuuden prosentuaalinen (%) parannus perinteisiin päätöksiin verrattuna.
1 vuotta
Päätösajan tehokkuus
Aikaikkuna: 1 vuotta
Keskimääräinen aika (sekunteina), jonka lääkärit tarvitsevat diagnostiikka- ja hoitopäätösten tekemiseen ennen ja jälkeen tekoälyavun.
1 vuotta

Toissijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Järjestelmän käytettävyyspisteet
Aikaikkuna: 1 vuotta
Arvioitu System Usability Scale (SUS) -asteikolla, jonka pisteet vaihtelevat 0–100.
1 vuotta
AI-järjestelmän vasteaika
Aikaikkuna: 1 vuotta
Keskimääräinen aika (sekunteina), joka kuluu tekoälyltä suositusten antamiseen tietojen syöttämisen jälkeen.
1 vuotta
Järjestelmävirheiden määrä
Aikaikkuna: 1 vuotta
Tekoälyjärjestelmän vikojen tiheys, mitattuna virheinä tuhatta käyttötuntia kohden (vikoja/tuhat tuntia).
1 vuotta
Käyttöliittymän suunnittelutyytyväisyys
Aikaikkuna: 1 vuotta
Arvioitu User Experience Questionnaire (UEQ) -kyselyllä pisteillä 1-7.
1 vuotta
Potilastyytyväisyyspisteet
Aikaikkuna: 1 vuotta
Mitattu käyttämällä potilastyytyväisyyskyselyä (CSQ-8), pisteet vaihtelevat välillä 8-32.
1 vuotta
Hoidon noudattaminen
Aikaikkuna: 1 vuotta
Henkilökohtaisia ​​hoitosuunnitelmia ja säännöllisiä seurantakäyntejä noudattavien potilaiden prosenttiosuus (%).
1 vuotta
Lääkärin hyväksyntä AI-järjestelmälle
Aikaikkuna: 1 vuotta
Arvioitu Technology Acceptance Model (TAM) -asteikolla, jonka pisteet vaihtelevat 1-7.
1 vuotta

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

Sponsori

The Eye Hospital of Wenzhou Medical University

Tutkijat

  • Päätutkija: Kang Zhang, PhD., The Eye Hospital of Wenzhou Medical 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 20. joulukuuta 2024

Ensisijainen valmistuminen (Arvioitu)

Torstai 1. toukokuuta 2025

Opintojen valmistuminen (Arvioitu)

Torstai 1. toukokuuta 2025

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Sunnuntai 15. joulukuuta 2024

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Maanantai 23. joulukuuta 2024

Ensimmäinen Lähetetty (Todellinen)

Keskiviikko 1. tammikuuta 2025

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Torstai 17. huhtikuuta 2025

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Keskiviikko 16. huhtikuuta 2025

Viimeksi vahvistettu

Tiistai 1. huhtikuuta 2025

Lisää tietoa

Tähän tutkimukseen liittyvät termit

Avainsanat

Muut tutkimustunnusnumerot

  • Ophthalmic Multimodal AI

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

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