Questa pagina è stata tradotta automaticamente e l'accuratezza della traduzione non è garantita. Si prega di fare riferimento al Versione inglese per un testo di partenza.

Detection of Systemic Diseases Such as Hepatobiliary Diseases From Ocular Images Via Deep Learning

11 maggio 2026 aggiornato da: Zhongshan Ophthalmic Center, Sun Yat-sen University
Oculomics is an emerging interdisciplinary field that deciphers multi-dimensional, high-throughput ocular data to predict, diagnose, and monitor systemic diseases and health span.In recent years, artificial Intelligence may provide insight into exploring the potential covert association behind and reveal some early ocular architecture changes in individuals with systemic diseases. The investigators conducted a survey to explore the association between the eye and systemic diseases via deep learning, to develop and evaluate different deep learning models to predict the systemic diseases such as hepatobiliary disease by using ocular images.

Panoramica dello studio

Stato

Completato

Condizioni

Intervento / Trattamento

Tipo di studio

Osservativo

Iscrizione (Effettivo)

775

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

  • Cina
    • Guangdong
      • Guangzhou, Guangdong, Cina, 510000
        • Zhongshan Ophthalmic Center, Sun Yat-sen Univerisity

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

  • Adulto
  • Adulto più anziano

Accetta volontari sani

Sì

Metodo di campionamento

Campione di probabilità

Popolazione di studio

ocular images collected from the Third Affiliated Hospital of Sun Yat-sen University and Pazhou Medical Centre of Aikang Health Care

Descrizione

Inclusion Criteria:

  • The quality of ocular images should clinical acceptable.
  • Complete clinical information such as baseline demographic characteristics, the history of systematic diseases and so on.

Exclusion Criteria:

  • Individuals diagnosed with severe eye diseases or acute systematic diseases.
  • Incompatible with ocular examinations.

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

Coorti e interventi

Gruppo / Coorte
Intervento / Trattamento
development dataset 01
ocular images collected from the Third Affiliated Hospital of Sun Yat-sen University
Test diagnostico: Systemic diseases such as Hepatobiliary Disorders
The training dataset was used to train the deep learning model, which was validated and tested by the other two datasets.
development dataset 02
ocular images collected from Pazhou Medical Centre of Aikang Health Care
Test diagnostico: Systemic diseases such as Hepatobiliary Disorders
The training dataset was used to train the deep learning model, which was validated and tested by the other two datasets.
test dataset 01
ocular images collected from the Third Affiliated Hospital of Sun Yat-sen University
Test diagnostico: Systemic diseases such as Hepatobiliary Disorders
The training dataset was used to train the deep learning model, which was validated and tested by the other two datasets.
test dataset 02
ocular images collected from Pazhou Medical Centre of Aikang Health Care
Test diagnostico: Systemic diseases such as Hepatobiliary Disorders
The training dataset was used to train the deep learning model, which was validated and tested by the other two datasets.

Cosa sta misurando lo studio?

Misure di risultato primarie

Misura del risultato
Misura Descrizione
Lasso di tempo
area sotto la curva caratteristica operativa del ricevitore del sistema di deep learning
Lasso di tempo: linea di base
Gli investigatori calcoleranno l'area sotto la curva caratteristica operativa del ricevitore del sistema di apprendimento profondo e confronteranno questo indice tra il sistema di apprendimento profondo e i medici umani
linea di base

Misure di risultato secondarie

Misura del risultato
Misura Descrizione
Lasso di tempo
sensitivity of the deep learning system
Lasso di tempo: baseline
The investigators will calculate the sensitivity of deep learning system and compare this index between deep learning system and human doctors
baseline
specificity of the deep learning system
Lasso di tempo: baseline
The investigators will calculate the specifity of deep learning system and compare this index between deep learning system and human doctors
baseline

Collaboratori e investigatori

Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.

Sponsor

Zhongshan Ophthalmic Center, Sun Yat-sen University

Collaboratori

Third Affiliated Hospital, Sun Yat-Sen University
Aikang Health Care

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)

10 aprile 2020

Completamento primario (Effettivo)

30 luglio 2024

Completamento dello studio (Effettivo)

30 luglio 2024

Date di iscrizione allo studio

Primo inviato

6 maggio 2026

Primo inviato che soddisfa i criteri di controllo qualità

6 maggio 2026

Primo Inserito (Effettivo)

12 maggio 2026

Aggiornamenti dei record di studio

Ultimo aggiornamento pubblicato (Effettivo)

14 maggio 2026

Ultimo aggiornamento inviato che soddisfa i criteri QC

11 maggio 2026

Ultimo verificato

1 maggio 2026

Maggiori informazioni

Termini relativi a questo studio

Termini MeSH pertinenti aggiuntivi

Altri numeri di identificazione dello studio

  • 2019KYPJ163

Piano per i dati dei singoli partecipanti (IPD)

Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?

NO

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 .

Prove cliniche su Malattie sistemiche

Cerca prove simili

Sponsor e collaboratori

Condizioni mediche

Interventi farmacologici

CROs by country

CROs in Switzerland

Condizioni

Malattie rare

Interventi farmacologici

Supplementi dietetici

Sponsor / Collaboratori

Sedi

Sottoscrivi