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

Takaosan sairauksien tekoälyavusteinen tunnistaminen: DR, AMD, RVO ja glaukooma

torstai 18. kesäkuuta 2026 päivittänyt: Dong Geun Kim, Inje University

Monikeskuksinen kliininen tutkimus verkkokalvokuvan lukemisen ohjelmiston suorituskyvyn parantamisen validoimiseksi

Tämän monikeskuksellisen tutkimuksen tarkoituksena on arvioida, missä määrin tekoälyn avustama pohjakuva-tulkinta parantaa oftalmologien diagnostista suorituskykyä. Sen sijaan, että arvioitaisiin algoritmin itsenäistä suorituskykyä, tämän tutkimuksen tavoitteena on määrittää tekoälyn käytön kliininen arvo päätöksentukityökaluna todellisissa kliinisissä työnkuluissa.

Jokaisessa osallistuvassa laitoksessa viisi kolmen vuoden sisällä erikoislääkärin pätevyyden saanutta oftalmologiaa ja viisi oftalmologian erikoislääkäriopiskelijaa osallistuvat lukijoina. Kaikki lukijat tulkitsivat pohjakuva-kuvia sekä tekoälypohjaisen avustusohjelmiston kanssa että ilman sitä. Tutkimus vertaa kvantitatiivisesti diagnostista tarkkuutta ja lukuaikaa kahdessa olosuhteessa neljälle taustasegmentin sairaudelle: diabeteettiselle retinopatialle, ikäperäiselle makuladegeneraatiolle, verkkokalvon laskimotukokselle ja glaukoomalle.

Tutkimuksen yleiskatsaus

Opintotyyppi

Interventio

Ilmoittautuminen (Todellinen)

10

Vaihe

  • Ei sovellettavissa

Yhteystiedot ja paikat

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

Opiskelupaikat

      • Busan, Etelä -Korea, 49201
        • Dong-A University Hospital
      • Busan, Etelä -Korea, 49241
        • Pusan National University Hospital
      • Busan, Etelä -Korea, 47392
        • Inje University Busan Paik Hospital
      • Busan, Etelä -Korea, 49267
        • Kosin University Gospel Hospital
      • Yangsan, Etelä -Korea, 50612
        • Pusan National University Yangsan Hospital

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

Kuvaus

Kymmenen lukijaa rekrytoidaan viidestä osallistuvasta sairaalasta, ja he koostuvat seuraavista:

  • Viidestä silmälääkäristä, jotka ovat saaneet erikoislääkärin pätevyyden alle kolme vuotta sitten
  • Viidestä silmälääketieteen erikoislääkäriopiskelijasta

Silmälääkärit ja erikoislääkäriopiskelijat kaikista ikäluokista, sukupuolista, roduista tai etnisyysryhmistä voivat osallistua tutkimuksen lukijoina. Kaikkien lukijoiden on täytettävä seuraavat osallistumiskriteerit:

  • Luvan saaneet lääkärit, jotka ovat päteviä tulkitsemaan funduskuvia.
  • Silmälääkärit, jotka ovat saaneet erikoislääkärin pätevyyden alle kolme vuotta sitten, tai silmälääketieteen erikoislääkäriopiskelijat ilman rajoituksia kliinisessä kokemuksessa.
  • Kykeneviä ja halukkaita suorittamaan sekä avustamattomat että tekoälyavusteiset lukutilaisuudet.
  • Kykenevät antamaan tietoon perustuvan suostumuksen osallistuakseen lukijatutkimukseen.
  • Yhden osallistuvan kliinisen tutkimuspaikan kanssa yhteistyössä olevat.

Opintosuunnitelma

Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.

Miten tutkimus on suunniteltu?

Suunnittelun yksityiskohdat

  • Ensisijainen käyttötarkoitus: Diagnostiikka
  • Jako: Ei satunnaistettu
  • Inventiomalli: Peräkkäinen tehtävä
  • Naamiointi: Ei mitään (avoin tarra)

Aseet ja interventiot

Osallistujaryhmä / Arm
Interventio / Hoito
Kokeellinen: Tekoälyn avustama lukeminen
Lukijat tulkitsivat funduskuvia AI-generoitujen tulosteiden avulla.
Interventio koostuu tekoälyyn perustuvasta funduskuvan tulkintaohjelmistosta, joka tarjoaa automatisoituja tuloksia 12 verkkokalvon ja näköhermon löydökselle (esim. verenvuoto, eksudaatit, druseet, näköhermon kiekon muutos). Järjestelmä ei anna suoraa tautidiagnoosia. Sen sijaan tekoäly näyttää 12 ennalta määritellyn löydöksen esiintymisen tai puuttumisen sekä niiden leesioiden sijainnit. Lukijat voivat käyttää tätä löydöstasotason tietoa päätöksentuenä määritettäessä neljän kohdetaudin esiintymistä (diabeettinen retinopatia, ikätoiminnallinen makuladegeneraatio, verkkokalvon laskimotukos ja glaukooma).
Ei väliintuloa: Avustamaton lukeminen
Lukijat tulkitsivat verkkokalvokuvia ilman pääsyä tekoälyjärjestelmään.

Mitä tutkimuksessa mitataan?

Ensisijaiset tulostoimenpiteet

Tulosmittaus
Toimenpiteen kuvaus
Aikaikkuna
Lukuaika per kuva
Aikaikkuna: Tutkimuksen loppuun asti, noin 2 kuukautta
Kuvan lukemisaikaa mitataan sekä avustamattomissa että tekoälyavusteisissa tulkintatilaisuuksissa. Jokaisen tapauksen kohdalla kokonaisaika kuvan näyttämishetkestä siihen, kun lukija lähettää lopullisen sairausluokituksen, tallennetaan automaattisesti lukualustalla. Keskimääräinen lukemisaika per kuva lasketaan jokaiselle lukijalle ja verrataan kahden tilanteen välillä arvioidakseen, vähentääkö tekoälyavuste tulkinta-aikaa.
Tutkimuksen loppuun asti, noin 2 kuukautta
Performance of readers with and without AI assistance: Sensitivity
Aikaikkuna: Through study completion, approximately 2 months
Sensitivity of reader diagnoses for each of the four target diseases (DR, AMD, RVO, glaucoma) and for any fundus abnormality will be assessed with and without AI assistance, using the image-level reference standard as the comparator, through two reading sessions in which all 10 readers review all cases-randomised for each reader-with a washout period implemented to mitigate recall bias.
Through study completion, approximately 2 months
Performance of readers with and without AI assistance: Specificity
Aikaikkuna: Through study completion, approximately 2 months
Specificity of reader diagnoses for each of the four target diseases (DR, AMD, RVO, glaucoma) and for any fundus abnormality will be assessed with and without AI assistance, using the image-level reference standard as the comparator, through two reading sessions in which all 10 readers review all cases-randomised for each reader-with a washout period implemented to mitigate recall bias.
Through study completion, approximately 2 months

Yhteistyökumppanit ja tutkijat

Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.

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. helmikuuta 2026

Ensisijainen valmistuminen (Todellinen)

Perjantai 3. huhtikuuta 2026

Opintojen valmistuminen (Todellinen)

Perjantai 22. toukokuuta 2026

Opintoihin ilmoittautumispäivät

Ensimmäinen lähetetty

Tiistai 23. joulukuuta 2025

Ensimmäinen toimitettu, joka täytti QC-kriteerit

Tiistai 23. joulukuuta 2025

Ensimmäinen Lähetetty (Todellinen)

Tiistai 6. tammikuuta 2026

Tutkimustietojen päivitykset

Viimeisin päivitys julkaistu (Todellinen)

Tiistai 23. kesäkuuta 2026

Viimeisin lähetetty päivitys, joka täytti QC-kriteerit

Torstai 18. kesäkuuta 2026

Viimeksi vahvistettu

Torstai 1. tammikuuta 2026

Lisää tietoa

Tähän tutkimukseen liittyvät termit

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 .

Tilaa