- ICH GCP
- Registre américain des essais cliniques
- Essai clinique NCT04132401
IA pour la détection des maladies rétiniennes et du glaucome chez les patients atteints de diabète sucré en soins primaires
Intelligence artificielle pour la détection de la maladie centrale de la rétine et du glaucome non mydriatique dans le contexte des patients atteints de diabète sucré en soins primaires : une étude prospective comparant la capacité diagnostique d'un algorithme d'IA
Contexte : La rétinopathie diabétique (RD) est l'une des principales causes de cécité dans le monde, en particulier dans les pays développés. Chez les patients diabétiques, il a été largement démontré que l'examen périodique du fond de l'œil à l'aide d'une caméra non mydriatique est un système efficace pour contrôler et prévenir l'apparition de la RD. Les réseaux de neurones convolutifs ont été utilisés pour détecter la RD, atteignant des sensibilités et des spécificités très élevées.
Hypothèse Il est possible de développer des algorithmes basés sur l'intelligence artificielle qui puissent démontrer des performances égales ou supérieures et qui constituent une alternative au dépistage actuel des DR et autres pathologies ophtalmiques chez les patients diabétiques.
Objectifs:
- Développement d'un système d'intelligence artificielle pour la détection des signes de pathologie rétinienne et autres pathologies ophtalmiques chez les patients diabétiques.
- Validation scientifique du système à utiliser comme système de dépistage en soins primaires.
Méthodes :
Ce projet consistera à réaliser simultanément deux études :
- Développement d'un algorithme avec intelligence artificielle pour détecter les signes de RD, d'autres pathologies de la rétine centrale et le glaucome chez les patients diabétiques.
- Réaliser une étude prospective qui permettra de comparer la capacité diagnostique des algorithmes avec celle des spécialistes en médecine familiale qui lisent les images de fond. La référence sera une lecture en double aveugle par des ophtalmologistes spécialisés dans la rétine.
La cession des images a débuté fin 2018. Le développement de l'algorithme d'IA est calculé pour durer environ 3 à 4 mois. L'inclusion des patients dans la cohorte débutera début 2019 et devrait durer 3 à 4 mois. Les résultats préliminaires devraient être publiés d'ici la fin de 2019.
L'étude permettra le développement d'un algorithme basé sur l'IA qui peut démontrer une performance égale ou supérieure, et qui constitue un complément ou une alternative, au dépistage actuel de la RD chez les patients diabétiques
Aperçu de l'étude
Statut
Les conditions
Intervention / Traitement
Description détaillée
Conception de l'étude Ce projet suivra une méthodologie consistant en 2 études concomitantes : Dans la première étude, nous développerons un algorithme d'IA pour détecter les signes de RD chez les patients diabétiques.
La deuxième partie du projet consistera en l'élaboration d'une étude prospective qui permettra de comparer la capacité diagnostique de l'algorithme avec celle des médecins de famille et des spécialistes de la rétine. La référence sera une double lecture en aveugle réalisée par les spécialistes de la rétine (avec une troisième lecture en aveugle en cas de désaccord sur les 2 lectures précédentes). Ainsi, les résultats obtenus, tant par l'algorithme d'IA que par les spécialistes en médecine familiale, seront comparés à l'aide de l'étalon-or (précision, sensibilité, spécificité, aire sous la courbe, etc.). L'inclusion d'infirmières ayant reçu une formation sur les lectures du fond d'œil sera envisagée pour comparer leur capacité de diagnostic.
Population de l'étude, participation au site et recrutement Les images pour le développement de l'algorithme seront cédées par le CHS et comprendront des images de l'ensemble de la population catalane. L'étude prospective aura lieu dans les centres de soins primaires gérés par l'Institut catalan de la santé en Catalogne centrale, qui comprend les comtés de Bages, Osona, Berguedà et Anoia. La population de référence sera la population affectée à ces centres de soins primaires. Cette population comprenait environ 512 000 personnes en 2017, avec une prévalence estimée du diabète de 7,1 %.
La période d'étude comprendra 2010-2017 pour le développement de l'algorithme avec l'IA. L'étude prospective commencera une fois l'algorithme développé et se poursuivra jusqu'à ce que le nombre de lectures nécessaires soit obtenu (environ 3-4 mois).
Conduite de l'étude Pour le développement de l'algorithme d'IA, toutes les images du fond d'œil étiquetées comme DR des patients des centres de soins primaires de Catalogne entre 2010 et 2017 seront incluses. Pour l'étude prospective, toutes les images de patients ayant subi un examen du fond d'œil seront incluses depuis la période de début de l'étude jusqu'à ce que le nombre adéquat de patients soit atteint. Un pourcentage élevé d'images du fond d'œil doit avoir une qualité suffisante ; c'est-à-dire une vision à 40 degrés de la rétine centrale où au moins les trois quarts du nerf optique, une macula bien focalisée et des veines et artères bien définies des arcs supérieur et inférieur peuvent être vus. Les images du fond d'œil qui n'ont pas une qualité technique adéquate (sombre) ou qui ne peuvent pas être évaluées en raison de l'opacité du support (par exemple, pour les cataractes) seront exclues
Collecte de données Pour le développement de l'algorithme AI, il est nécessaire de disposer des images anonymisées avec l'étiquette correspondante qui classe chaque image (dans l'une des classes avec lesquelles l'algorithme doit être entraîné). Le personnel responsable des technologies de l'information (TI) du CHS évaluera la meilleure stratégie d'anonymisation et d'extraction des images des systèmes informatiques du CHS, ainsi que l'identification de chaque image avec un identifiant unique. En revanche, un fichier tabulé de type CSV ou TXT sera nécessaire pour relier chaque identifiant d'image à la classification correspondante. Le responsable informatique du CHS, en collaboration avec le responsable technique d'OPTretina, conviendra de la meilleure manière de transférer ces 2 sources d'informations, de manière sécurisée, des serveurs du CHS vers les serveurs d'OPTretina (SSH File Transfer Protocol, disque dur externe) selon le volume de données à transférer et la politique interne du CHS. OPTretina a de l'expérience dans le développement de modèles d'IA pour la classification automatique des images du fond d'œil et est un fabricant de dispositifs médicaux certifié par l'Agence espagnole des médicaments et des produits de santé.
Pour l'étude prospective, des lectures hebdomadaires anonymisées de données de fond d'œil collectées par des médecins de famille lecteurs d'images de fond d'œil en Catalogne centrale seront collectées. Les images seront transférées sur les serveurs OPTretina pour être d'abord analysées par l'algorithme de diagnostic puis par les spécialistes de la rétine qui établiront le diagnostic définitif. Le responsable informatique du CHS, en collaboration avec le responsable technique d'OPTretina, conviendra de la meilleure manière de transférer ces données de manière sécurisée.
Type d'étude
Inscription (Réel)
Phase
- N'est pas applicable
Contacts et emplacements
Coordonnées de l'étude
- Nom: Josep Vidal-Alaball, MD, PhD, MPH
- Numéro de téléphone: +346930040
- E-mail: jvidal.cc.ics@gencat.cat
Sauvegarde des contacts de l'étude
- Nom: Miguel Angel Zapata, MD, PhD
- E-mail: mazapata@optretina.com
Lieux d'étude
-
-
Barcelona
-
Manresa, Barcelona, Espagne, 08242
- CAP Bages
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
- Enfant
- Adulte
- Adulte plus âgé
Accepte les volontaires sains
La description
Critère d'intégration:
- Diagnostic clinique du diabète sucré de type I ou de type II
- Photographie du fond d'œil prise dans le cadre du dépistage de la rétinopathie diabétique
Critère d'exclusion:
- patients atteints de glaucome sous traitement
- les patients atteints de démence avancée qui ne collaborent pas à la prise de photographies
- les patients atteints de surdité importante qui ne peuvent pas suivre les instructions pour prendre des photos
- les patients ayant des problèmes de mobilité (fauteuil roulant, cyphose importante) ou des tremblements qui ne peuvent pas prendre de photos
- les patients atteints de pathologies qui interfèrent avec la qualité des images telles que les cataractes, le nystagmus, le leucome cornéen ou les greffes de cornée.
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
- Objectif principal: Autre
- Répartition: Non randomisé
- Modèle interventionnel: Affectation parallèle
- Masquage: Aucun (étiquette ouverte)
Armes et Interventions
Groupe de participants / Bras |
Intervention / Traitement |
---|---|
Expérimental: médecins de famille
Lecture de la rétine
|
La capacité diagnostique de l'algorithme sera comparée à celle des médecins de famille et des spécialistes de la rétine.
La référence sera une double lecture en aveugle réalisée par les spécialistes de la rétine
|
Expérimental: spécialistes de la rétine
Lecture de la rétine (étalon-or)
|
La capacité diagnostique de l'algorithme sera comparée à celle des médecins de famille et des spécialistes de la rétine.
La référence sera une double lecture en aveugle réalisée par les spécialistes de la rétine
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
---|---|---|
Sensibilité de l'algorithme
Délai: 1 an
|
Taux de vrais positifs de l'algorithme
|
1 an
|
Spécificité de l'algorithme
Délai: 1 an
|
Taux de vrais négatifs de l'algorithme
|
1 an
|
Précision de l'algorithme
Délai: 1 an
|
Rapport du nombre de prédictions correctes au nombre total d'échantillons d'entrée
|
1 an
|
Aire sous la courbe caractéristique de fonctionnement du récepteur de l'algorithme
Délai: 1 an
|
Capacité de diagnostic de l'algorithme
|
1 an
|
Collaborateurs et enquêteurs
Les enquêteurs
- Chaise d'étude: Josep Vidal-Alaball, MD, PhD, MPH, Institut Català de la Salut / IDIAP Jordi Gol
- Chercheur principal: Alba Arocas Bonache, RN, Institut Català de la Salut
Publications et liens utiles
Publications générales
- Bourne RR, Stevens GA, White RA, Smith JL, Flaxman SR, Price H, Jonas JB, Keeffe J, Leasher J, Naidoo K, Pesudovs K, Resnikoff S, Taylor HR; Vision Loss Expert Group. Causes of vision loss worldwide, 1990-2010: a systematic analysis. Lancet Glob Health. 2013 Dec;1(6):e339-49. doi: 10.1016/S2214-109X(13)70113-X. Epub 2013 Nov 11.
- Sanchez Gonzalez S, Calvo Lozano J, Sanchez Gonzalez J, Pedregal Gonzalez M, Cornejo Castillo M, Molina Fernandez E, Barral FJ, Perez Espinosa JR. [Assessment of the use of retinography as a screening method for the early diagnosis of chronic glaucoma in Primary Care: Validation for screening in populations with open-angle glaucoma risk factors]. Aten Primaria. 2017 Aug-Sep;49(7):399-406. doi: 10.1016/j.aprim.2016.10.008. Epub 2017 Jan 23. Spanish.
- Gomez-Ulla F, Fernandez MI, Gonzalez F, Rey P, Rodriguez M, Rodriguez-Cid MJ, Casanueva FF, Tome MA, Garcia-Tobio J, Gude F. Digital retinal images and teleophthalmology for detecting and grading diabetic retinopathy. Diabetes Care. 2002 Aug;25(8):1384-9. doi: 10.2337/diacare.25.8.1384.
- Dankwa-Mullan I, Rivo M, Sepulveda M, Park Y, Snowdon J, Rhee K. Transforming Diabetes Care Through Artificial Intelligence: The Future Is Here. Popul Health Manag. 2019 Jun;22(3):229-242. doi: 10.1089/pop.2018.0129. Epub 2018 Oct 2.
- Quellec G, Charriere K, Boudi Y, Cochener B, Lamard M. Deep image mining for diabetic retinopathy screening. Med Image Anal. 2017 Jul;39:178-193. doi: 10.1016/j.media.2017.04.012. Epub 2017 Apr 28.
- Usher D, Dumskyj M, Himaga M, Williamson TH, Nussey S, Boyce J. Automated detection of diabetic retinopathy in digital retinal images: a tool for diabetic retinopathy screening. Diabet Med. 2004 Jan;21(1):84-90. doi: 10.1046/j.1464-5491.2003.01085.x.
- Somfai GM, Tatrai E, Laurik L, Varga B, Olvedy V, Jiang H, Wang J, Smiddy WE, Somogyi A, DeBuc DC. Automated classifiers for early detection and diagnosis of retinopathy in diabetic eyes. BMC Bioinformatics. 2014 Apr 12;15:106. doi: 10.1186/1471-2105-15-106.
- Abramoff MD, Lou Y, Erginay A, Clarida W, Amelon R, Folk JC, Niemeijer M. Improved Automated Detection of Diabetic Retinopathy on a Publicly Available Dataset Through Integration of Deep Learning. Invest Ophthalmol Vis Sci. 2016 Oct 1;57(13):5200-5206. doi: 10.1167/iovs.16-19964.
- Abramoff MD, Lavin PT, Birch M, Shah N, Folk JC. Pivotal trial of an autonomous AI-based diagnostic system for detection of diabetic retinopathy in primary care offices. NPJ Digit Med. 2018 Aug 28;1:39. doi: 10.1038/s41746-018-0040-6. eCollection 2018.
- Li Z, Keel S, Liu C, He Y, Meng W, Scheetz J, Lee PY, Shaw J, Ting D, Wong TY, Taylor H, Chang R, He M. An Automated Grading System for Detection of Vision-Threatening Referable Diabetic Retinopathy on the Basis of Color Fundus Photographs. Diabetes Care. 2018 Dec;41(12):2509-2516. doi: 10.2337/dc18-0147. Epub 2018 Oct 1.
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Réel)
Achèvement primaire (Réel)
Achèvement de l'étude (Réel)
Dates d'inscription aux études
Première soumission
Première soumission répondant aux critères de contrôle qualité
Première publication (Réel)
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
Dernière mise à jour soumise répondant aux critères de contrôle qualité
Dernière vérification
Plus d'information
Termes liés à cette étude
Mots clés
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- P18/109
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
Description du régime IPD
Délai de partage IPD
Critères d'accès au partage IPD
Type d'informations de prise en charge du partage d'IPD
- PROTOCOLE D'ÉTUDE
- RSE
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Étudie un produit d'appareil réglementé par la FDA américaine
Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .
Essais cliniques sur algorithme
-
Universidad Pública de NavarraMutua NavarraInconnueImpact sur l'épaule | Maladie de la coiffe des rotateursEspagne
-
New York State Psychiatric InstituteNational Institute of Mental Health (NIMH)ComplétéTrouble dépressif majeurÉtats-Unis