- ICH GCP
- Registre américain des essais cliniques
- Essai clinique NCT05208931
Développement d'un algorithme optimal pour la prise en charge des patients atteints de décollement de l'épithélium pigmentaire rétinien dans la dégénérescence maculaire néovasculaire liée à l'âge à l'aide de l'intelligence artificielle
11 avril 2023 mis à jour par: Viktoria Myasnikova, The S.N. Fyodorov Eye Microsurgery State Institution
Développement d'un algorithme pour prédire anatomiquement et fonctionnellement les résultats de la thérapie avec des inhibiteurs de l'angiogenèse chez les patients présentant des décollements de l'épithélium pigmentaire rétinien dans la dégénérescence maculaire liée à l'âge néovasculaire, basé sur la tomographie primaire en cohérence optique de la zone maculaire et les données cliniques.
L'étude implique le développement d'un algorithme pour prédire les résultats anatomiques et fonctionnels de la thérapie avec des inhibiteurs de l'angiogenèse chez les patients présentant des décollements de l'épithélium pigmentaire rétinien dans la dégénérescence maculaire liée à l'âge néovasculaire, basé sur la tomographie par cohérence optique primaire de la zone maculaire et les données cliniques.
Aperçu de l'étude
Statut
Complété
Les conditions
Intervention / Traitement
Description détaillée
Les patients ont été divisés en 3 groupes selon les résultats de la thérapie : adhérence du décollement, manque d'adhérence au décollement, rupture du décollement.
Pour ces groupes, les images OCT de la zone maculaire avec un décollement maximal avant le traitement sont sélectionnées.
Ces images, ainsi que d'autres paramètres cliniques, sont entrées dans l'algorithme.
Le résultat est l'un des 3 résultats de traitement énumérés ci-dessus.
Les méthodes qui seront utilisées pour développer l'algorithme comprennent des méthodes de traitement et de transformation des données, de l'apprentissage automatique en profondeur, des métriques pour calculer la précision des algorithmes.
Type d'étude
Observationnel
Inscription (Réel)
300
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.
Lieux d'étude
-
-
-
Krasnodar, Fédération Russe, 350012
- The S.N. Fyodorov Eye Microsurgery State Institution
-
-
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
- Adulte
- Adulte plus âgé
Accepte les volontaires sains
Oui
Méthode d'échantillonnage
Échantillon de probabilité
Population étudiée
Patients présentant des décollements d'épithélium pigmentaire rétinien avec dégénérescence maculaire néovasculaire liée à l'âge
La description
Critère d'intégration:
- Linéaire B - scanne à travers la zone maculaire avec le détachement le plus long
- Autres pathologies
Critère d'exclusion:
- Images sans détachement
- Images sur lesquelles il est possible de diagnostiquer la nécessité d'une thérapie uniquement en présence de facteurs supplémentaires non pris en compte dans l'étude.
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 |
|---|---|
|
adhésion
le groupe dans lequel l'adhérence du décollement neuroépithélial a été observée après une thérapie anti-facteur de croissance endothélial vasculaire
|
0,05 ml anti-VEGF, intravitréen, mensuel
Autres noms:
|
|
pas d'adhérence
groupe dans lequel il n'y avait pas d'adhérence du décollement neuroépithélial après traitement anti-facteur de croissance endothélial vasculaire
|
0,05 ml anti-VEGF, intravitréen, mensuel
Autres noms:
|
|
разрыв
groupe dans lequel une rupture du décollement neuroépithélial a été observée après traitement anti-facteur de croissance endothélial vasculaire
|
0,05 ml anti-VEGF, intravitréen, mensuel
Autres noms:
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Algorithme de prédiction
Délai: 1.09.2022
|
Classificateur de réseau neuronal
|
1.09.2022
|
Collaborateurs et enquêteurs
C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.
Les enquêteurs
- Directeur d'études: Viktoria Myasnikova, D.Med.Sc., Deputy Director for Research
Publications et liens utiles
La personne responsable de la saisie des informations sur l'étude fournit volontairement ces publications. Il peut s'agir de tout ce qui concerne l'étude.
Publications générales
- Rohm M, Tresp V, Muller M, Kern C, Manakov I, Weiss M, Sim DA, Priglinger S, Keane PA, Kortuem K. Predicting Visual Acuity by Using Machine Learning in Patients Treated for Neovascular Age-Related Macular Degeneration. Ophthalmology. 2018 Jul;125(7):1028-1036. doi: 10.1016/j.ophtha.2017.12.034. Epub 2018 Feb 14.
- Prahs P, Radeck V, Mayer C, Cvetkov Y, Cvetkova N, Helbig H, Marker D. OCT-based deep learning algorithm for the evaluation of treatment indication with anti-vascular endothelial growth factor medications. Graefes Arch Clin Exp Ophthalmol. 2018 Jan;256(1):91-98. doi: 10.1007/s00417-017-3839-y. Epub 2017 Nov 10.
- Schmidt-Erfurth U, Bogunovic H, Sadeghipour A, Schlegl T, Langs G, Gerendas BS, Osborne A, Waldstein SM. Machine Learning to Analyze the Prognostic Value of Current Imaging Biomarkers in Neovascular Age-Related Macular Degeneration. Ophthalmol Retina. 2018 Jan;2(1):24-30. doi: 10.1016/j.oret.2017.03.015. Epub 2017 May 31.
- Bogunovic H, Montuoro A, Baratsits M, Karantonis MG, Waldstein SM, Schlanitz F, Schmidt-Erfurth U. Machine Learning of the Progression of Intermediate Age-Related Macular Degeneration Based on OCT Imaging. Invest Ophthalmol Vis Sci. 2017 May 1;58(6):BIO141-BIO150. doi: 10.1167/iovs.17-21789.
- Schmidt-Erfurth U, Waldstein SM, Klimscha S, Sadeghipour A, Hu X, Gerendas BS, Osborne A, Bogunovic H. Prediction of Individual Disease Conversion in Early AMD Using Artificial Intelligence. Invest Ophthalmol Vis Sci. 2018 Jul 2;59(8):3199-3208. doi: 10.1167/iovs.18-24106.
- Kozina, E. V., S. N. Sakhnov, V. V. Myasnikova, E. V. Bykova, and L. E. Aksenova. 2021. 'Modern Trends in Diagnostics and Prediction of Results of Anti-Vascular Endothelial Growth Factor Therapy of Pigment Epithelial Detachment in Neovascular Agerelated Macular Degeneration Using Deep Machine Learning Method (Literature Review)'. Acta Biomedica Scientifica 6 (6-1): 190-203. https://doi.org/10.29413/ABS.2021-6.6-1.22.
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 2021
Achèvement primaire (Réel)
1 septembre 2022
Achèvement de l'étude (Réel)
1 septembre 2022
Dates d'inscription aux études
Première soumission
5 janvier 2022
Première soumission répondant aux critères de contrôle qualité
12 janvier 2022
Première publication (Réel)
26 janvier 2022
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
13 avril 2023
Dernière mise à jour soumise répondant aux critères de contrôle qualité
11 avril 2023
Dernière vérification
1 avril 2023
Plus d'information
Termes liés à cette étude
Termes MeSH pertinents supplémentaires
- Maladies oculaires
- Dégénérescence rétinienne
- Maladies rétiniennes
- Dégénérescence maculaire
- Dégénérescence maculaire humide
- Effets physiologiques des médicaments
- Mécanismes moléculaires de l'action pharmacologique
- Modulateurs de mitose
- Substances de croissance
- Facteurs de croissance endothéliale
- Mitogènes
Autres numéros d'identification d'étude
- 1 (Mobile Health and Wellness Program)
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 .