Système d'intelligence artificielle en temps réel pour la détection de multiples lésions du fond d'œil par imagerie du fond d'œil à champ ultra-large
23 avril 2021 mis à jour par: Haotian Lin, Sun Yat-sen University
Système d'intelligence artificielle en temps réel pour la détection de multiples lésions du fond d'œil par imagerie du fond d'œil ultra-large : une étude prospective multicentrique
Cette étude prospective multicentrique évaluera l'efficacité d'un système d'intelligence artificielle en temps réel pour la détection de multiples lésions du fond d'œil par imagerie du fond d'œil à champ ultra-large dans des conditions réelles.
Aperçu de l'étude
Statut
Recrutement
Les conditions
Intervention / Traitement
Description détaillée
Le fond d'œil peut montrer des signes de maladies oculaires (par exemple, dégénérescence du réseau, décollement de la rétine et glaucome) et de maladies systémiques (par exemple, hypertension, diabète et leucémie). L'examen de routine du fond d'œil est propice à la détection précoce de ces maladies. Cependant, l'examen manuel du fond d'œil nécessite un ophtalmologiste de la rétine expérimenté et prend du temps et demande beaucoup de travail, ce qui est difficile pour sa mise en œuvre de routine à grande échelle.
Cette étude développera un système d'intelligence artificielle s'intégrant à l'imagerie du fond d'œil ultra-large pour dépister automatiquement de multiples lésions du fond d'œil en temps réel et évaluer ses performances dans différents contextes réels. L'efficacité du système se comparera aux diagnostics finaux de chaque participant effectués par des ophtalmologistes expérimentés.
Type d'étude
Observationnel
Inscription (Anticipé)
2000
Contacts et emplacements
Cette section fournit les coordonnées de ceux qui mènent l'étude et des informations sur le lieu où cette étude est menée.
Coordonnées de l'étude
- Nom: Haotian Lin, MD, PhD
- Numéro de téléphone: 8613802793086
- E-mail: haot.lin@hotmail.com
Sauvegarde des contacts de l'étude
- Nom: Zhongwen Li, MD
- Numéro de téléphone: 8618138726682
- E-mail: cuitx3@mail2.sysu.edu.cn
Lieux d'étude
-
-
Guangdong
-
Guangzhou, Guangdong, Chine, 510060
- Recrutement
- Zhongshan Ophthalmic Center, Sun Yat-sen University
-
Contact:
- Haotian Lin, M.D., Ph.D
- Numéro de téléphone: 8613802793086
- E-mail: haot.lin@hotmail.com
-
Contact:
- Xiaohang Wu, M.D., Ph.D
- Numéro de téléphone: 8615913177657
- E-mail: wuxiaohang_zoc@qq.com
-
-
Critères de participation
Les chercheurs recherchent des personnes qui correspondent à une certaine description, appelée critères d'éligibilité. Certains exemples de ces critères sont l'état de santé général d'une personne ou des traitements antérieurs.
Critère d'éligibilité
Âges éligibles pour étudier
- Enfant
- Adulte
- Adulte plus âgé
Accepte les volontaires sains
Oui
Sexes éligibles pour l'étude
Tout
Méthode d'échantillonnage
Échantillon non probabiliste
Population étudiée
Tous les participants qui acceptent de prendre des images du fond d'œil ultra-grand champ.
La description
Critère d'intégration:
Tous les participants qui acceptent de prendre des images du fond d'œil ultra-grand champ.
Critère d'exclusion:
- Les patients qui ne peuvent pas coopérer avec un photographe tels que certains paralytiques, les patients atteints de démence et les psychopathes graves.
- Les patients qui n'acceptent pas de signer un consentement éclairé.
Plan d'étude
Cette section fournit des détails sur le plan d'étude, y compris la façon dont l'étude est conçue et ce que l'étude mesure.
Comment l'étude est-elle conçue ?
Détails de conception
Cohortes et interventions
Groupe / Cohorte |
Intervention / Traitement |
|---|---|
|
Centre d'ophtalmologie de Zhongshan
Le participant n'a qu'à prendre une image du fond d'œil ultra-large comme d'habitude.
|
Le participant n'a qu'à prendre une image du fond d'œil ultra-large comme d'habitude.
|
|
Centre ophtalmologique de Shenzhen
Le participant n'a qu'à prendre une image du fond d'œil ultra-large comme d'habitude.
|
Le participant n'a qu'à prendre une image du fond d'œil ultra-large comme d'habitude.
|
|
Hôpital Pékin Tongren
Le participant n'a qu'à prendre une image du fond d'œil ultra-large comme d'habitude.
|
Le participant n'a qu'à prendre une image du fond d'œil ultra-large comme d'habitude.
|
|
Centre ophtalmologique de Xudong
Le participant n'a qu'à prendre une image du fond d'œil ultra-large comme d'habitude.
|
Le participant n'a qu'à prendre une image du fond d'œil ultra-large comme d'habitude.
|
|
Centre d'examen physique IKang
Le participant n'a qu'à prendre une image du fond d'œil ultra-large comme d'habitude.
|
Le participant n'a qu'à prendre une image du fond d'œil ultra-large comme d'habitude.
|
|
Hôpital populaire de l'hôpital général de Yangxi
Le participant n'a qu'à prendre une image du fond d'œil ultra-large comme d'habitude.
|
Le participant n'a qu'à prendre une image du fond d'œil ultra-large comme d'habitude.
|
|
Hôpital populaire provincial du Guangdong
Le participant n'a qu'à prendre une image du fond d'œil ultra-large comme d'habitude.
|
Le participant n'a qu'à prendre une image du fond d'œil ultra-large comme d'habitude.
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Précision
Délai: 8 mois
|
Performances d'un système d'intelligence artificielle pour la détection de multiples lésions du fond d'œil basées sur l'imagerie du fond d'œil à champ ultra large.
|
8 mois
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Sensibilité
Délai: 8 mois
|
Performances d'un système d'intelligence artificielle pour la détection de multiples lésions du fond d'œil basées sur l'imagerie du fond d'œil à champ ultra large.
|
8 mois
|
|
Spécificité
Délai: 8 mois
|
Performances d'un système d'intelligence artificielle pour la détection de multiples lésions du fond d'œil basées sur l'imagerie du fond d'œil à champ ultra large.
|
8 mois
|
|
Coefficient kappa de Cohen
Délai: 8 mois
|
La comparaison entre les performances du système d'IA et des ophtalmologistes de trois degrés d'expertise.
|
8 mois
|
|
Taux de faux positifs
Délai: 8 mois
|
Caractéristiques de la mauvaise classification
|
8 mois
|
|
Taux de faux négatifs
Délai: 8 mois
|
Caractéristiques de la mauvaise classification
|
8 mois
|
|
Temps de traitement des données du système d'IA
Délai: 8 mois
|
Temps de traitement des données du système AI.
|
8 mois
|
Collaborateurs et enquêteurs
C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.
Dates d'enregistrement des études
Ces dates suivent la progression des dossiers d'étude et des soumissions de résultats sommaires à ClinicalTrials.gov. Les dossiers d'étude et les résultats rapportés sont examinés par la Bibliothèque nationale de médecine (NLM) pour s'assurer qu'ils répondent à des normes de contrôle de qualité spécifiques avant d'être publiés sur le site Web public.
Dates principales de l'étude
Début de l'étude (Réel)
1 novembre 2020
Achèvement primaire (Anticipé)
1 février 2022
Achèvement de l'étude (Anticipé)
25 décembre 2022
Dates d'inscription aux études
Première soumission
15 avril 2021
Première soumission répondant aux critères de contrôle qualité
23 avril 2021
Première publication (Réel)
26 avril 2021
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
26 avril 2021
Dernière mise à jour soumise répondant aux critères de contrôle qualité
23 avril 2021
Dernière vérification
1 avril 2021
Plus d'information
Termes liés à cette étude
Mots clés
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- UWFAIDS2019-China-06
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Non
Étudie un produit d'appareil réglementé par la FDA américaine
Non
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 .