Cette page a été traduite automatiquement et l'exactitude de la traduction n'est pas garantie. Veuillez vous référer au version anglaise pour un texte source.

Application de l'intelligence artificielle dans la détection précoce des complications oculaires chez les diabétiques (AI)

27 décembre 2022 mis à jour par: The New Model of Care, Hail Health Cluster

Application de l'intelligence artificielle dans la détection précoce des complications oculaires chez les diabétiques : un essai randomisé en grappes à Hail, en Arabie saoudite

L'objectif de cet essai pragmatique est de tester l'avantage de l'utilisation du dépistage oculaire basé sur l'intelligence artificielle, c'est-à-dire un dispositif de caméra de fond d'œil dans la détection précoce des complications oculaires chez les diabétiques. Les principales questions auxquelles il vise à répondre sont :

Dans quelle mesure l'application des soins oculaires basés sur l'intelligence artificielle dans les cliniques de soins primaires fonctionne-t-elle bien pour la détection précoce des complications oculaires telles que l'œdème maculaire ? Dans quelle mesure l'application des soins oculaires basés sur l'intelligence artificielle dans les cliniques de soins primaires fonctionne-t-elle bien pour la détection précoce des complications oculaires telles que la rétinopathie ? Les participants seront invités à participer au dépistage des complications oculaires dans les centres de soins primaires, et une caméra de fond d'œil sera utilisée pour le dépistage.

Les chercheurs compareront la proportion de cas détectés présentant des signes précoces de complication oculaire parmi ceux qui utilisent le dépistage oculaire basé sur l'intelligence artificielle, c'est-à-dire la caméra du fond d'œil, à la proportion de cas détectés parmi ceux qui utilisent les cliniques de soins oculaires de routine au centre de soins primaires.

La détection précoce des complications oculaires chez les diabétiques prévient le risque de cécité.

Aperçu de l'étude

Description détaillée

À l'ère de l'inélégance artificielle (IA), il est fortement recommandé de passer des soins tertiaires aux soins secondaires et primaires lors de la prise en charge d'un patient atteint de rétinopathie diabétique.

En raison de son faible fonctionnement, l'IA pourrait être utilisée dans la détection précoce et le dépistage de la rétinopathie diabétique en appliquant le service à une population de masse et à des zones aux ressources limitées avec une pénurie de services de soins oculaires.

Les soins oculaires basés sur l'IA en termes de dépistage de la rétinopathie diabétique rendront le processus de dépistage plus efficace et moins cher et pourraient être délégués à des techniciens, des praticiens et/ou même à l'auto-dépistage à domicile.

Reconnaissant la forte prévalence du diabète sucré de type 2 (T2DM) chez les adultes, l'utilisation d'une caméra de fond d'œil non mydriatique avec IA est efficace dans les examens de la vue car elle améliore l'adhésion des adultes au dépistage oculaire.

L'objectif principal de l'essai sera d'évaluer l'efficacité de l'application des dispositifs d'IA en termes de caméras de fond d'œil dans la détection précoce de la rétinopathie diabétique et de l'œdème maculaire chez les patients diabétiques fréquentant les centres de soins primaires.

Questions de recherche:

Dans quelle mesure l'application de soins oculaires basés sur l'intelligence artificielle dans les centres de soins primaires est-elle efficace pour atteindre un taux de détection élevé de l'œdème maculaire ? Dans quelle mesure l'application des soins oculaires basés sur l'intelligence artificielle dans les cliniques de soins primaires est-elle efficace pour atteindre un taux de détection élevé de la rétinopathie ?

Objectif général:

Évaluer l'efficacité de l'application de soins oculaires basés sur l'IA dans les centres de soins primaires pour atteindre un taux de détection élevé de l'œdème maculaire et de la rétinopathie chez les diabétiques.

Objectifs spécifiques:

Objectif 1 : Comparer la proportion de cas détectés d'œdème maculaire dans l'intervention par rapport au groupe témoin (soins oculaires de routine) fréquentant le centre de soins primaires.

Objectif 2 : Comparer la proportion de cas détectés de rétinopathie dans l'intervention par rapport au groupe témoin (soins oculaires de routine) fréquentant le centre de soins primaires

Revue de littérature:

Bien que des modèles récents aient été suggérés pour la mise en œuvre de solutions de santé numérique comme la pêche en rivière, l'entonnoir d'entrée, la pyramide et les cartes de brassage qui représentent des options pour les services cliniques avec une capacité et une volonté progressivement croissantes d'opérationnaliser la santé numérique.

Cependant, divers défis font face au déploiement de l'IA, de la télésanté et de l'Internet des objets (IoT) dans le monde entier. Les obstacles à l'adoption de ces solutions de santé numériques sont nombreux et pourraient être inférés à l'infrastructure, à la qualité du dispositif, à la volonté commune et aux aspects juridiques.

Les preuves ont révélé que l'utilisation de l'IA de l'analyse de la fonction rétinienne Macustat dans la surveillance à distance d'un patient souffrant d'œdème maculaire lié à l'âge ou de rétinopathie diabétique a un impact important sur la santé du patient.

Conception et méthodes de recherche :

Il s'agit d'un essai randomisé en grappes de six mois qui recrutera des patients atteints de diabète de type II qui fréquentent des cliniques de soins oculaires primaires dans des centres de soins primaires de la ville de Hail.

Intervenants (P) :

Les participants seront des patients diabétiques de type II des deux sexes fréquentant les centres de soins primaires sélectionnés, indépendamment de la durée de leur maladie et des types de médicaments actuellement reçus. Les participants doivent être des adultes âgés de 18 ans et plus. Les enfants et les jeunes adultes atteints de diabète sucré juvénile seront exclus. De plus, les patients gravement malades et les patients souffrant de troubles mentaux seront exclus. Les participants seront évalués au début pour collecter les données de base sur la rétinopathie diabétique et l'œdème maculaire à l'aide d'appareils d'IA pour signaler les cas détectés. A la fin du procès, un rapport similaire des cas détectés sera obtenu trois et six mois après le début du procès.

Type d'étude

Interventionnel

Inscription (Anticipé)

440

Phase

  • N'est pas applicable

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

Sauvegarde des contacts de l'étude

  • Nom: Marwa Mahmoud Mahdy, CSoC Lead
  • Numéro de téléphone: +966508258235
  • E-mail: maroo_79@hotmail.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

18 ans à 90 ans (Adulte, Adulte plus âgé)

Accepte les volontaires sains

Non

Sexes éligibles pour l'étude

Tout

La description

Critère d'intégration:

  • Patients diabétiques âgés de 18 à 90 ans

Critère d'exclusion:

  • Patient gravement malade ou patient atteint d'un cancer

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

  • Objectif principal: Dépistage
  • Répartition: Randomisé
  • Modèle interventionnel: Affectation parallèle
  • Masquage: Aucun (étiquette ouverte)

Armes et Interventions

Groupe de participants / Bras
Intervention / Traitement
Expérimental: Dépistage basé sur l'IA pour la détection précoce de la rétinopathie diabétique et de l'œdème maculaire
L'application d'appareils d'IA, c'est-à-dire la caméra Fundus, pour détecter la rétinopathie diabétique et l'œdème maculaire chez les diabétiques au centre de soins primaires
L'application d'appareils d'IA, c'est-à-dire la caméra Fundus, pour détecter la rétinopathie diabétique et l'œdème maculaire chez les diabétiques au centre de soins primaires
Aucune intervention: Dépistage systématique de la rétinopathie diabétique et de l'œdème maculaire
Le dépistage systématique de la rétinopathie diabétique et de l'œdème maculaire chez les diabétiques lors d'une visite de routine à une clinique de soins oculaires au centre de soins primaires.

Que mesure l'étude ?

Principaux critères de jugement

Mesure des résultats
Description de la mesure
Délai
Le taux de détection de la rétinopathie diabétique dans le groupe d'intervention par rapport au groupe témoin
Délai: 6 mois à compter du début de l'étude
La proportion de cas détectés de rétinopathie diabétique dans le groupe d'intervention par rapport au groupe témoin
6 mois à compter du début de l'étude
Le taux de détection de l'œdème maculaire dans le groupe d'intervention par rapport au groupe témoin.
Délai: 6 mois à compter du début de l'étude
La proportion d'individus dont le dépistage de l'œdème maculaire est positif dans le groupe d'intervention par rapport au groupe témoin.
6 mois à compter du début de l'étude

Mesures de résultats secondaires

Mesure des résultats
Description de la mesure
Délai
Le taux de dépistage de la rétinopathie
Délai: 6 mois après le début de l'étude
La proportion de personnes qui reçoivent des soins oculaires de dépistage de la rétinopathie diabétique dans le groupe d'intervention par rapport au groupe témoin.
6 mois après le début de l'étude
Le taux de dépistage de l'oedème maculaire
Délai: 6 mois après le début de l'étude
La proportion de personnes qui reçoivent des soins oculaires de dépistage de l'œdème maculaire dans le groupe d'intervention par rapport au groupe témoin
6 mois après le début de l'étude

Collaborateurs et enquêteurs

C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.

Les enquêteurs

  • Chaise d'étude: Khalil Alshammari, VIP Chief MO, Hail Health Cluster
  • Chercheur principal: Fakhralddin Elfakki, Researcher at MOC, New Model of Care, Hail Health Cluser
  • Directeur d'études: Meshari Aljamani, MOC Lead, New Model of Care, Hail Health Cluster

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 (Anticipé)

1 janvier 2023

Achèvement primaire (Anticipé)

1 juin 2023

Achèvement de l'étude (Anticipé)

1 juillet 2023

Dates d'inscription aux études

Première soumission

7 décembre 2022

Première soumission répondant aux critères de contrôle qualité

14 décembre 2022

Première publication (Réel)

19 décembre 2022

Mises à jour des dossiers d'étude

Dernière mise à jour publiée (Estimation)

29 décembre 2022

Dernière mise à jour soumise répondant aux critères de contrôle qualité

27 décembre 2022

Dernière vérification

1 décembre 2022

Plus d'information

Termes liés à cette étude

Plan pour les données individuelles des participants (IPD)

Prévoyez-vous de partager les données individuelles des participants (DPI) ?

Non

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 .

S'abonner