Ezt az oldalt automatikusan lefordították, és a fordítás pontossága nem garantált. Kérjük, olvassa el a angol verzió forrásszöveghez.

AI által támogatott fundusz platform

2026. február 14. frissítette: Sun Yilin, Shanghai 10th People's Hospital

AI-vezérelt fundusképalkotás: Intelligens platform kiépítése a fundusbetegségek diagnosztizálására, kezelésére és korai riasztására

A Világ Egészségügyi Szervezete becslései szerint a globális felnőtt népesség körülbelül fele jelenleg különböző mértékű rövidlátással küzd. Kína városi területein az általános iskolások körében a rövidlátás aránya elérte a körülbelül 40%-ot, és a középiskolások körében meghaladhatja a 80%-ot. A magas fokú rövidlátásban (600 dioptriánál nagyobb refrakciós hiba) szenvedő betegek aránya is évről évre növekszik. Ez a csoport hajlamosabb a súlyos látászavarokra, beleértve a szürkehályog, a glaukóma és a makuladegeneráció szövődményeinek megnövekedett kockázatát. A patológiai rövidlátás a magas fokú rövidlátás által okozott látásvesztés fő kockázati tényezője. Ilyen betegeknél a szemtengely meghosszabbodása a szemgolyó hátsó pólusának lokális elvékonyodásához és kidudorodásához vezet, hátsó szklerális stafiloma kialakulásával. A hátsó szklerális stafiloma a patológiai rövidlátás legreprezentatívabb kóros jellemzője. A szívártya lokális tágulása a retina elvékonyodásához és megnyúlásához vezet, ami végül olyan problémákhoz vezethet, mint a makuláris retinaschisis, ami súlyosan befolyásolja a látást, és akár vaksághoz is vezethet.

Ez a projekt egy multimodális intelligens szűrőrendszer kifejlesztését célozza az Optos non-mydriatic ultra-szögű lézerszkennelő szemfenéktár, a B-scan ultrahangos szemészeti diagnosztikai eszköz és az optikai koherencia tomográfia (OCT) kiváló képalkotó technológiájának és fejlett mesterséges intelligencia (AI) rendszerének kombinálásával. A rendszer célja a szemfenéki betegségek, különösen a patológiai rövidlátás, és főként a hátsó szklerális stafiloma (PSS) alapvető állapotának pontos azonosítása és értékelése. Ezzel egyidejűleg egy látás-előrejelző modell is létrejön, amely segíti az orvosokat személyre szabott diagnosztikai és kezelési stratégiák kidolgozásában, a látásromlás tendenciájának előrejelzésében, és javítja a korai beavatkozás hatékonyságát. A rendszer várhatóan jelentősen javítja a patológiai rövidlátás megelőzését és kezelését, csökkenti a vakság kockázatát, és kulcsszerepet játszik a távorvosi szolgáltatásokban, előnyöket biztosítva a távoli területeken élők számára, és elősegítve az egészségügyi egyenlőséget és a szolgáltatások minőségét.

A tanulmány áttekintése

Tanulmány típusa

Megfigyelő

Beiratkozás (Becsült)

1000

Kapcsolatok és helyek

Ez a rész a vizsgálatot végzők elérhetőségeit, valamint a vizsgálat lefolytatásának helyére vonatkozó információkat tartalmazza.

Tanulmányi kapcsolat

Tanulmányi helyek

      • Shanghai, Kína
        • Toborzás
        • Shanghai 10th People's Hospital
        • Kapcsolatba lépni:

Részvételi kritériumok

A kutatók olyan embereket keresnek, akik megfelelnek egy bizonyos leírásnak, az úgynevezett jogosultsági kritériumoknak. Néhány példa ezekre a kritériumokra a személy általános egészségi állapota vagy a korábbi kezelések.

Jogosultsági kritériumok

Tanulmányozható életkorok

  • Gyermek
  • Felnőtt
  • Idősebb felnőtt

Egészséges önkénteseket fogad

Nem

Mintavételi módszer

Nem valószínűségi minta

Tanulmányi populáció

Ez a retrospektív vizsgálat olyan betegeket vont be, akiknél magas rövidlátást (myopia magna) és hátsó staphylomát (PSS) diagnosztizáltak, és akik 2024 október előtt keresték fel a Sanghaji Tizedik Népkórház Szemészeti Osztályát.

Mintanagyság: Összesen 1000 beteg (600 a képzéshez, 200 az érvényesítéshez és 200 a belső teszteléshez) a kórházi kohorsz alapján, hozzávetőlegesen 6000 multimodális képet biztosítva.

Leírás

Bevonási kritériumok:

Betegségmagatartású és magas rövidlátással és hátsó sztafilómával diagnosztizált betegek, akik átfogó szemészeti vizsgálatokon estek át, beleértve az ultra-széles látómezeji fundus fotográfiát (Optos), B-ultrahang vizsgálatot és optikai koherencia tomográfiát (OCT). Az alapadatok, beleértve a demográfiát, az egészségi állapotot, a szemészeti előzményeket és a szem biometriai paramétereit, teljes mértékben dokumentálva voltak.

Kizárási kritériumok:

Olyan betegek, akiknek a PSS azonosítását befolyásoló rossz minőségű képeik vannak, súlyos együttálló szemészeti betegségeik, mint glaukóma, cukorbetegség okozta retinopathia, amelyek közvetítő zavarokat okoznak, vagy súlyos szisztémás betegségeik, amelyek befolyásolhatják a vizsgálati eredményeket.

Tanulási terv

Ez a rész a vizsgálati terv részleteit tartalmazza, beleértve a vizsgálat megtervezését és a vizsgálat mérését.

Hogyan készül a tanulmány?

Tervezési részletek

Kohorszok és beavatkozások

Csoport / Kohorsz
Beavatkozás / kezelés
Magas fokú rövidlátás miatti hátsó sztafilómával rendelkező szürkehályogos betegek
A beteg konzultációja során teljes színű fundusfotó-sorozatot, B-módú ultrahangvizsgálatot és OCT-képalkotást végeztek, valamint részletesen rögzítették és dokumentálták a műtét előtti kiindulási adatokat, beleértve a demográfiai adatokat, az egészségi állapotot, a szemészeti anamnézist és a szem biometriai paramétereit.

Mit mér a tanulmány?

Elsődleges eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
Adatgyűjtési eredmény
Időkeret: 2024. októberétől 2026. áprilisáig (Adatgyűjtés azoktól a betegektől, akik 2024. október előtt kerültek kórházi ellátásra)
A hátsó szklerális sztafilómák demográfiai adatainak osztályozása látóélesség és képalkotó adatok alapján
2024. októberétől 2026. áprilisáig (Adatgyűjtés azoktól a betegektől, akik 2024. október előtt kerültek kórházi ellátásra)

Másodlagos eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
AI modellezési elemzés
Időkeret: 2026. áprilisától 2026. októberéig

Az AI-modell diagnosztikai teljesítménye a hátsó szklera sztafilómára. A vevői működési jelleggörbe alatti terület (AUC-ROC) az AI-modell esetében.

A modell pontossága, érzékenysége és specificitása a hátsó szklera sztafilóma felismerésében.

Az AI teljesítmény és az orvosok teljesítményének összehasonlítása

2026. áprilisától 2026. októberéig

Együttműködők és nyomozók

Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.

Tanulmányi rekorddátumok

Ezek a dátumok nyomon követik a ClinicalTrials.gov webhelyre benyújtott vizsgálati rekordok és összefoglaló eredmények benyújtásának folyamatát. A vizsgálati feljegyzéseket és a jelentett eredményeket a Nemzeti Orvostudományi Könyvtár (NLM) felülvizsgálja, hogy megbizonyosodjon arról, hogy megfelelnek-e az adott minőség-ellenőrzési szabványoknak, mielőtt közzéteszik őket a nyilvános weboldalon.

Tanulmány főbb dátumok

Tanulmány kezdete (Tényleges)

2024. október 1.

Elsődleges befejezés (Becsült)

2026. március 1.

A tanulmány befejezése (Becsült)

2026. december 1.

Tanulmányi regisztráció dátumai

Először benyújtva

2026. február 14.

Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak

2026. február 14.

Első közzététel (Tényleges)

2026. február 20.

Tanulmányi rekordok frissítései

Utolsó frissítés közzétéve (Tényleges)

2026. február 20.

Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak

2026. február 14.

Utolsó ellenőrzés

2026. február 1.

Több információ

A tanulmányhoz kapcsolódó kifejezések

Egyéb vizsgálati azonosító számok

  • SHSY-LYZX-413

Gyógyszer- és eszközinformációk, tanulmányi dokumentumok

Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz

Nem

Egy amerikai FDA által szabályozott eszközterméket tanulmányoz

Nem

Ezt az információt közvetlenül a clinicaltrials.gov webhelyről szereztük be, változtatás nélkül. Ha bármilyen kérése van vizsgálati adatainak módosítására, eltávolítására vagy frissítésére, kérjük, írjon a következő címre: register@clinicaltrials.gov. Amint a változás bevezetésre kerül a clinicaltrials.gov oldalon, ez a webhelyünkön is automatikusan frissül. .

Iratkozz fel