Prestazioni diagnostiche del deep learning per la chiusura dell'angolo
3 aprile 2021 aggiornato da: Xiulan Zhang, Sun Yat-sen University
Prestazioni diagnostiche delle reti neurali convoluzionali profonde per il glaucoma ad angolo chiuso: uno studio multicentrico internazionale
Le malattie primarie da chiusura dell'angolo (PACD) sono comunemente osservate in Asia.
Nella pratica clinica, la gonioscopia è il gold standard per la classificazione dell'ampiezza dell'angolo nei pazienti con PACD.
Tuttavia, la gonioscopia è un esame di contatto e richiede una lunga curva di apprendimento.
La tomografia a coerenza ottica del segmento anteriore (AS-OCT) è un test senza contatto che può ottenere immagini tridimensionali del segmento anteriore in pochi secondi.
Pertanto, i ricercatori hanno progettato lo studio per verificare se l'algoritmo di deep learning basato su AS-OCT è in grado di rilevare i soggetti PACD diagnosticati dalla gonioscopia.
Panoramica dello studio
Stato
Attivo, non reclutante
Condizioni
Intervento / Trattamento
Tipo di studio
Osservativo
Iscrizione (Anticipato)
3000
Contatti e Sedi
Questa sezione fornisce i recapiti di coloro che conducono lo studio e informazioni su dove viene condotto lo studio.
Luoghi di studio
-
-
Guangdong
-
Guangzhou, Guangdong, Cina, 51000
- Zhongshan Ophthalmic Center
-
-
Criteri di partecipazione
I ricercatori cercano persone che corrispondano a una certa descrizione, chiamata criteri di ammissibilità. Alcuni esempi di questi criteri sono le condizioni generali di salute di una persona o trattamenti precedenti.
Criteri di ammissibilità
Età idonea allo studio
18 anni e precedenti (Adulto, Adulto più anziano)
Accetta volontari sani
No
Sessi ammissibili allo studio
Tutto
Metodo di campionamento
Campione non probabilistico
Popolazione di studio
I set di dati di formazione e convalida primaria sono stati raccolti dai database delle cartelle cliniche e di ricerca elettroniche presso il Centro oftalmico di Zhongshan dal 1 settembre 2016 al 1 settembre 2019.
Il set di dati del test esterno è stato ottenuto dal Singapore Eye Research Institute (SERI), Singapore da giugno 2008 a novembre 2019, e dalla Chulalongkorn University e dal King Chulalongkorn Memorial Hospital (KCMH, Bangkok, Tailandia) da ottobre 2019 ad aprile 2020.
Descrizione
I criteri di inclusione nello studio erano i seguenti: (1) Tutti i partecipanti devono avere ≥ 18 anni; (2) I soggetti dello studio avevano una precedente diagnosi dello stato ACA (stretto o aperto, PAS o non PAS) basato su gonioscopia, scansioni SS-OCT e cartelle cliniche.
I criteri di esclusione dei dati includono: (1) scarsa compliance nel ricevere l'esame di gonioscopia; (2) scansioni AS-OCT poco chiare a causa di ammiccamento o sfocatura; (3) uso recente di miotici entro un mese; 4) chiusura secondaria dell'angolo causata da sublussazione o lussazione, uveite, glaucoma neovascolare, et al.; 5) storia di chirurgia oculare o iridotomia laser; 6) pazienti che hanno avuto in precedenza un episodio di chiusura primaria dell'angolo (che è stato ottenuto sull'anamnesi chiedendo ai pazienti).
Piano di studio
Questa sezione fornisce i dettagli del piano di studio, compreso il modo in cui lo studio è progettato e ciò che lo studio sta misurando.
Come è strutturato lo studio?
Dettagli di progettazione
- Modelli osservazionali: Altro
- Prospettive temporali: Retrospettiva
Coorti e interventi
Gruppo / Coorte |
Intervento / Trattamento |
|---|---|
|
Gruppo chiusura ad angolo
|
Le scansioni OCT dei soggetti dello studio verrebbero importate nell'algoritmo.
La classificazione automatica dell'ampiezza dell'angolo e il rilevamento della sinechia verrebbero eseguiti dall'algoritmo.
Le prestazioni diagnostiche dell'algoritmo verrebbero confrontate con le registrazioni della gonioscopia.
|
|
Gruppo ad angolo aperto
|
Le scansioni OCT dei soggetti dello studio verrebbero importate nell'algoritmo.
La classificazione automatica dell'ampiezza dell'angolo e il rilevamento della sinechia verrebbero eseguiti dall'algoritmo.
Le prestazioni diagnostiche dell'algoritmo verrebbero confrontate con le registrazioni della gonioscopia.
|
|
Gruppo di sinechie periferiche (PAS).
|
Le scansioni OCT dei soggetti dello studio verrebbero importate nell'algoritmo.
La classificazione automatica dell'ampiezza dell'angolo e il rilevamento della sinechia verrebbero eseguiti dall'algoritmo.
Le prestazioni diagnostiche dell'algoritmo verrebbero confrontate con le registrazioni della gonioscopia.
|
|
Gruppo di sinechie non periferiche (PAS).
|
Le scansioni OCT dei soggetti dello studio verrebbero importate nell'algoritmo.
La classificazione automatica dell'ampiezza dell'angolo e il rilevamento della sinechia verrebbero eseguiti dall'algoritmo.
Le prestazioni diagnostiche dell'algoritmo verrebbero confrontate con le registrazioni della gonioscopia.
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Area sotto la curva operativa del ricevitore (AUC)
Lasso di tempo: Immediatamente dopo aver ottenuto le immagini AS-OCT
|
Valore AUC dell'algoritmo di deep learning nella classificazione dell'ampiezza dell'angolo e nel rilevamento delle sinechie
|
Immediatamente dopo aver ottenuto le immagini AS-OCT
|
Misure di risultato secondarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Sensibilità e specificità
Lasso di tempo: Immediatamente dopo aver ottenuto le immagini AS-OCT
|
Sensibilità e specificità dell'algoritmo automatizzato nella classificazione dell'ampiezza dell'angolo e nel rilevamento delle sinechie
|
Immediatamente dopo aver ottenuto le immagini AS-OCT
|
Collaboratori e investigatori
Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.
Sponsor
Studiare le date dei record
Queste date tengono traccia dell'avanzamento della registrazione dello studio e dell'invio dei risultati di sintesi a ClinicalTrials.gov. I record degli studi e i risultati riportati vengono esaminati dalla National Library of Medicine (NLM) per assicurarsi che soddisfino specifici standard di controllo della qualità prima di essere pubblicati sul sito Web pubblico.
Studia le date principali
Inizio studio (Effettivo)
15 gennaio 2019
Completamento primario (Anticipato)
1 dicembre 2021
Completamento dello studio (Anticipato)
1 marzo 2022
Date di iscrizione allo studio
Primo inviato
23 gennaio 2020
Primo inviato che soddisfa i criteri di controllo qualità
23 gennaio 2020
Primo Inserito (Effettivo)
27 gennaio 2020
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
8 aprile 2021
Ultimo aggiornamento inviato che soddisfa i criteri QC
3 aprile 2021
Ultimo verificato
1 aprile 2021
Maggiori informazioni
Termini relativi a questo studio
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
- 2018KYPJ074
Piano per i dati dei singoli partecipanti (IPD)
Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?
Sì
Descrizione del piano IPD
I dati di imaging dei soggetti dello studio sarebbero disponibili ad altri ricercatori su ragionevole richiesta.
Parte dei dati verrebbe aperta come set di dati pubblici dopo la pubblicazione dell'articolo correlato.
Periodo di condivisione IPD
Parte dei dati verrebbe aperta come set di dati pubblici dopo la pubblicazione dell'articolo correlato.
Tipo di informazioni di supporto alla condivisione IPD
- Protocollo di studio
- Codice analitico
Informazioni su farmaci e dispositivi, documenti di studio
Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti
No
Studia un dispositivo regolamentato dalla FDA degli Stati Uniti
No
Queste informazioni sono state recuperate direttamente dal sito web clinicaltrials.gov senza alcuna modifica. In caso di richieste di modifica, rimozione o aggiornamento dei dettagli dello studio, contattare register@clinicaltrials.gov. Non appena verrà implementata una modifica su clinicaltrials.gov, questa verrà aggiornata automaticamente anche sul nostro sito web .