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.

Prise de décision médicale ophtalmique multimodale assistée par IA

16 avril 2025 mis à jour par: Kang Zhang, The Eye Hospital of Wenzhou Medical University

Une étude sur la prise de décision médicale ophtalmique multimodale assistée par l'IA basée sur l'imagerie et les données des dossiers médicaux électroniques

Il s'agit d'une étude clinique rétrospective multicentrique conçue pour évaluer l'application et l'efficacité d'un système d'aide à la décision médicale assisté par IA, tirant parti de la fusion de données multimodales, dans la pratique clinique ophtalmologique.

Aperçu de l'étude

Statut

Recrutement

Les conditions

Intervention / Traitement

Description détaillée

Les déficiences visuelles affectent considérablement la qualité de vie d'un individu. Le dépistage, le diagnostic et le traitement précoces des maladies oculaires sont cruciaux pour prévenir l’apparition et la progression des troubles de la vision. Dans la pratique clinique, les ophtalmologistes doivent souvent intégrer un large éventail de données sur les patients, notamment des informations démographiques, des antécédents médicaux, des marqueurs biochimiques tels que la glycémie et les taux de lipides, des facteurs de risque, ainsi que diverses données ophtalmiques, telles que des images du fond d'œil, des scans OCT. et des tests du champ visuel, pour établir un diagnostic précis et élaborer un plan de traitement approprié. À une époque où la médecine de précision et la médecine personnalisée sont à l’avant-garde des soins de santé, la détection et le diagnostic précoces des maladies oculaires, ainsi que la sélection de stratégies diagnostiques et thérapeutiques adaptées aux différents stades de la maladie, sont devenus des défis importants en milieu clinique. Les progrès récents dans les techniques d’imagerie et d’analyse médicales ont considérablement amélioré la précision et l’efficacité du diagnostic des maladies oculaires. Cette étude vise à développer un système de prise de décision ophtalmique assisté par intelligence artificielle en intégrant des données multimodales issues de l'imagerie et des dossiers médicaux électroniques, en combinaison avec des techniques d'apprentissage profond. L’objectif est d’améliorer la précision du diagnostic, de rationaliser les flux de travail cliniques et de fournir des options de traitement plus personnalisées aux patients. À terme, ce système vise à améliorer les résultats du traitement et la qualité de vie globale des patients souffrant de maladies oculaires.

Type d'étude

Observationnel

Inscription (Estimé)

5000000

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

Lieux d'étude

  • Chine
    • Guangdong
      • Zhuhai, Guangdong, Chine
        • Recrutement
        • ZhuHai Hospital, zhuhai, guangdong
        • Contact:
    • Zhejiang
      • Wenzhou, Zhejiang, Chine
        • Recrutement
        • First Affiliated Hospital of Wenzhou Medical University
        • Contact:
      • Wenzhou, Zhejiang, Chine
        • Recrutement
        • Second Affiliated Hospital of Wenzhou Medical Universit
        • Contact:
      • Wenzhou, Zhejiang, Chine
        • Recrutement
        • The Eye Hospital of Wenzhou Medical University
        • Contact:
  • Macao
      • Macau, Macao
        • Recrutement
        • Macau University of Science and Technology Hospital
        • Contact:

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

Non

Méthode d'échantillonnage

Échantillon non probabiliste

Population étudiée

Tous les patients qui ont reçu un traitement dans plusieurs centres, notamment l'hôpital ophtalmologique de l'université médicale de Wenzhou, le premier hôpital affilié de l'université médicale de Wenzhou, le deuxième hôpital affilié de l'université médicale de Wenzhou, l'hôpital ZhuHai et l'hôpital de l'université des sciences et technologies de Macao.

La description

Critères d'intégration :

1.Tous les patients qui ont reçu un traitement dans plusieurs centres, notamment l'hôpital ophtalmologique de l'université médicale de Wenzhou, le premier hôpital affilié de l'université médicale de Wenzhou, le deuxième hôpital affilié de l'université médicale de Wenzhou, l'hôpital ZhuHai et l'hôpital de l'université des sciences et technologies de Macao.

2.Disponibilité de dossiers de santé électroniques (DSE) complets, notamment : Images ophtalmiques (par exemple, photographie du fond d'œil, OCT ou images avec lampe à fente). Dossiers médicaux électroniques (par exemple, diagnostic, traitement et notes de suivi). Résultats des examens (par exemple, acuité visuelle, pression intraoculaire ou tests de laboratoire). 3.Patients avec un diagnostic clair et confirmé d'une ou plusieurs maladies oculaires. 4.Patients disposant de dossiers de suivi suffisants pour permettre l'évaluation de la progression de la maladie ou du pronostic, le cas échéant.

  1. Tous les patients en ophtalmologie qui ont déjà reçu un traitement au département d'ophtalmologie, à l'hôpital ophtalmologique de l'université médicale de Wenzhou, au premier hôpital affilié de l'université médicale de Wenzhou, au deuxième hôpital affilié de l'université médicale de Wenzhou, à l'hôpital populaire de Zhuhai et à l'hôpital universitaire.
  2. Disponibilité de dossiers de santé électroniques (DSE) complets, notamment : Images ophtalmiques (par exemple, photographie du fond d'œil, OCT ou images avec lampe à fente). Dossiers médicaux électroniques (par exemple, diagnostic, traitement et notes de suivi). Résultats des examens (par exemple, acuité visuelle, pression intraoculaire ou tests de laboratoire).
  3. Patients avec un diagnostic clair et confirmé d'une ou plusieurs maladies oculaires.
  4. Patients disposant de dossiers de suivi suffisants pour permettre l'évaluation de la progression de la maladie ou du pronostic, le cas échéant.

Critères d'exclusion :

  1. Composants DSE critiques incomplets ou manquants.
  2. Cas avec des diagnostics ambigus ou non vérifiés qui ne peuvent être clairement catégorisés.
  3. Données dupliquées ou redondantes provenant du même patient.

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
normale
les patients qui n'ont pas de maladies oculaires
maladies oculaires
les patients qui ont des maladies oculaires
Test diagnostique: Test de diagnostic : modèle de diagnostic et de pronostic basé sur l'IA pour les maladies oculaires
Cette intervention implique un système d'IA qui exploite la fusion de données multimodales pour soutenir la prise de décision clinique et l'évaluation des maladies ophtalmiques. Il intègre des données multimodales, notamment la photographie du fond d'œil, la tomographie par cohérence optique (OCT) et les dossiers cliniques des patients, pour fournir une assistance diagnostique en temps réel, précise et personnalisée. Contrairement à d'autres modèles, ce système utilise un ensemble de données longitudinales sur les patients pour prédire la progression de la maladie et les résultats du traitement. Les principales caractéristiques distinctives comprennent : 1. Intégration de données multimodales : combine les données d'imagerie, cliniques et génétiques pour une analyse complète. 2. Capacité prédictive : offre des prévisions pronostiques avancées, permettant des plans de traitement personnalisés. 3. Cadre d'apprentissage profond : utilise des algorithmes d'apprentissage profond de pointe pour améliorer la précision et l'efficacité du diagnostic. 4. Validation dans le monde réel : validé à l'aide d'une large cohorte de données de patients diverses, garantissant la généralisabilité et la robustesse.

Que mesure l'étude ?

Principaux critères de jugement

Mesure des résultats
Description de la mesure
Délai
Aire sous la courbe (AUC)
Délai: 1 ans
AUC de la courbe ROC, utilisée pour quantifier la précision du diagnostic. Aucune unité (un rapport ou un pourcentage, généralement exprimé sous la forme d'un nombre compris entre 0 et 1).
1 ans
Sensibilité
Délai: 1 ans
La sensibilité (également appelée taux de vrais positifs) est une mesure de la capacité d'un modèle à identifier les instances positives. Elle est définie comme la proportion de cas positifs réels correctement identifiés par le modèle. Aucune unité (un rapport ou un pourcentage, généralement exprimé en pourcentage).
1 ans
Précision Précision Précision
Délai: 1 ans
La précision mesure la proportion de toutes les prédictions correctes (vrais positifs et vrais négatifs) par rapport au nombre total de cas évalués par le modèle. Aucune unité (un rapport ou un pourcentage, généralement exprimé en pourcentage).
1 ans
Spécificité
Délai: 1 ans
La spécificité (également appelée taux de vrais négatifs) mesure la proportion de cas négatifs réels correctement identifiés par le modèle. Aucune unité (un rapport ou un pourcentage, généralement exprimé en pourcentage).
1 ans
Taux de faux positifs
Délai: 1 ans
Le taux de faux positifs (FPR) mesure la proportion de cas négatifs réels qui sont identifiés à tort comme positifs par le modèle. Aucune unité (un rapport ou un pourcentage, généralement exprimé en pourcentage).
1 ans
Taux de faux négatifs
Délai: 1 ans
Le taux de faux négatifs (FNR) mesure la proportion de cas positifs réels qui sont incorrectement identifiés comme négatifs par le modèle. Aucune unité (un rapport ou un pourcentage, généralement exprimé en pourcentage).
1 ans
Taux de complications postopératoires
Délai: 1 ans
Pourcentage (%) de patients présentant des complications postopératoires.
1 ans
Taux de risque de récidive
Délai: 1 ans
Pourcentage (%) de patients ayant connu une récidive au cours de la période de suivi.
1 ans
Taux de survie
Délai: 1 ans
Pourcentage (%) de patients vivants, calculé à l'aide des courbes de survie de Kaplan-Meier.
1 ans
Efficacité de l'aide à la décision
Délai: 1 ans
Pourcentage (%) d'amélioration de la précision des décisions de traitement avec l'assistance de l'IA par rapport aux décisions traditionnelles.
1 ans
Efficacité du temps de décision
Délai: 1 ans
Temps moyen (en secondes) nécessaire aux médecins pour prendre des décisions de diagnostic et de traitement, avant et après l'assistance de l'IA.
1 ans

Mesures de résultats secondaires

Mesure des résultats
Description de la mesure
Délai
Score d'utilisabilité du système
Délai: 1 ans
Évalué à l'aide de l'échelle d'utilisabilité du système (SUS), avec des scores allant de 0 à 100.
1 ans
Temps de réponse du système d'IA
Délai: 1 ans
Temps moyen (en secondes) nécessaire à l'IA pour fournir des recommandations après la saisie des données.
1 ans
Taux de défaillance du système
Délai: 1 ans
Fréquence des pannes du système d'IA, mesurée en pannes par millier d'heures d'utilisation (pannes/millier d'heures).
1 ans
Satisfaction en matière de conception de l'interface utilisateur
Délai: 1 ans
Évalué à l'aide du questionnaire d'expérience utilisateur (UEQ), avec des scores allant de 1 à 7.
1 ans
Score de satisfaction des patients
Délai: 1 ans
Mesuré à l'aide du questionnaire de satisfaction des patients (CSQ-8), avec des scores allant de 8 à 32.
1 ans
Adhésion au traitement
Délai: 1 ans
Pourcentage (%) de patients adhérant à des plans de traitement personnalisés et à des visites de suivi régulières.
1 ans
Acceptation par les médecins du système d'IA
Délai: 1 ans
Évalué à l'aide de l'échelle du modèle d'acceptation technologique (TAM), avec des scores allant de 1 à 7.
1 ans

Collaborateurs et enquêteurs

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

Parrainer

The Eye Hospital of Wenzhou Medical University

Les enquêteurs

  • Chercheur principal: Kang Zhang, PhD., The Eye Hospital of Wenzhou Medical University

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)

20 décembre 2024

Achèvement primaire (Estimé)

1 mai 2025

Achèvement de l'étude (Estimé)

1 mai 2025

Dates d'inscription aux études

Première soumission

15 décembre 2024

Première soumission répondant aux critères de contrôle qualité

23 décembre 2024

Première publication (Réel)

1 janvier 2025

Mises à jour des dossiers d'étude

Dernière mise à jour publiée (Réel)

17 avril 2025

Dernière mise à jour soumise répondant aux critères de contrôle qualité

16 avril 2025

Dernière vérification

1 avril 2025

Plus d'information

Termes liés à cette étude

Mots clés

Autres numéros d'identification d'étude

  • Ophthalmic Multimodal AI

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

produit fabriqué et exporté des États-Unis.

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