L'IA classe les maladies multi-rétiniennes
Classification automatisée basée sur l'apprentissage en profondeur des maladies multi-rétiniennes à partir de la photographie du fond d'œil
Aperçu de l'étude
Statut
Les conditions
Description détaillée
Les maladies rétiniennes menacent gravement la vision et la qualité de vie, mais elles se développent souvent de manière insidieuse. À ce jour, les algorithmes d'apprentissage en profondeur (DL) ont montré de grandes perspectives en sciences biomédicales, en particulier dans le diagnostic des maladies oculaires, telles que la rétinopathie diabétique, la dégénérescence maculaire liée à l'âge, la rétinopathie du prématuré, le glaucome et l'œdème papillaire. Cependant, il manque toujours un algorithme unique capable de classer plusieurs maladies à partir de la photographie du fond d'œil.
Cette étude transversale établira un algorithme DL pour classer automatiquement les maladies multiples à partir de la photographie du fond d'œil et différencier les affections majeures menaçant la vision et les autres anomalies rétiniennes. Nous utiliserons la courbe des caractéristiques de fonctionnement du récepteur (ROC) pour examiner la capacité de reconnaissance et de classification des maladies. En prenant les résultats du panel d'experts comme étalon-or, nous utiliserons les indices d'évaluation, tels que la sensibilité, la spécificité, la précision, la valeur prédictive positive, la valeur prédictive négative, etc., pour comparer la capacité de diagnostic entre le système de reconnaissance de l'IA et l'ophtalmologiste humain. .
Type d'étude
Inscription (Anticipé)
Contacts et emplacements
Lieux d'étude
-
-
Beijing
-
Beijing, Beijing, Chine, 100730
- Recrutement
- Wen-Bin Wei
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
- Enfant
- Adulte
- Adulte plus âgé
Accepte les volontaires sains
Sexes éligibles pour l'étude
Méthode d'échantillonnage
Population étudiée
La description
Critère d'intégration:
- photographie du fond d'œil autour d'un champ de 45° qui couvre le disque optique et la macula
- compléter les informations d'identification du patient ;
Critère d'exclusion:
- informations d'identification du patient incomplètes
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
Cohortes et interventions
Groupe / Cohorte |
Intervention / Traitement |
|---|---|
|
Multi-maladies rétiniennes diagnostiquées par algorithme DL
|
L'algorithme DL classe automatiquement les maladies multiples à partir de la photographie du fond d'œil et différencie les principales affections menaçant la vision et les autres anomalies rétiniennes.
|
|
Maladies multiples de la rétine diagnostiquées par un panel d'experts
|
Le groupe d'experts classe les maladies multiples à partir de la photographie du fond d'œil et différencie les principales affections menaçant la vision et les autres anomalies rétiniennes.
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Aire sous la courbe
Délai: 1 semaine
|
Nous utiliserons la courbe des caractéristiques de fonctionnement du récepteur (ROC) pour examiner la capacité de reconnaissance et de classification des maladies.
En prenant les résultats du panel d'experts comme étalon-or, nous utiliserons l'aire sous la courbe pour comparer la capacité de diagnostic entre le système de reconnaissance de l'IA et l'ophtalmologiste humain.
|
1 semaine
|
|
Sensibilité et spécificité
Délai: 1 semaine
|
En prenant les résultats du groupe d'experts comme étalon-or, nous utiliserons la sensibilité et la spécificité pour comparer la capacité de diagnostic entre le système de reconnaissance de l'IA et l'ophtalmologiste humain.
|
1 semaine
|
|
Valeur prédictive positive et négative
Délai: 1 semaine
|
En prenant les résultats du panel d'experts comme étalon-or, nous utiliserons la valeur prédictive positive et négative pour comparer la capacité de diagnostic entre le système de reconnaissance de l'IA et l'ophtalmologiste humain.
|
1 semaine
|
|
Précision
Délai: 1 semaine
|
En prenant les résultats du groupe d'experts comme étalon-or, nous utiliserons la précision pour comparer la capacité de diagnostic entre le système de reconnaissance de l'IA et l'ophtalmologiste humain.
|
1 semaine
|
Collaborateurs et enquêteurs
Parrainer
Collaborateurs
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (Réel)
Achèvement primaire (Anticipé)
Achèvement de l'étude (Anticipé)
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
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- Retinal multi diseases
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
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
produit fabriqué et exporté des États-Unis.
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 .