人工知能を用いた血管新生加齢黄斑変性における網膜色素上皮剥離患者の管理のための最適なアルゴリズムの開発
2023年4月11日 更新者：Viktoria Myasnikova、The S.N. Fyodorov Eye Microsurgery State Institution
黄斑帯の一次光コヒーレンストモグラフィーと臨床データに基づいて、血管新生加齢黄斑変性症における網膜色素上皮剥離を有する患者における血管新生阻害剤による治療の結果を解剖学的および機能的に予測するためのアルゴリズムの開発。
この研究には、黄斑帯の一次光コヒーレンストモグラフィーと臨床データに基づいて、血管新生加齢黄斑変性症の網膜色素上皮剥離を有する患者における血管新生阻害剤による治療の解剖学的および機能的結果を予測するためのアルゴリズムの開発が含まれます。
調査の概要
詳細な説明
患者は、治療の結果に応じて、剥離の癒着、剥離への付着の欠如、剥離の破裂の3つのグループに分けられました。
これらのグループでは、治療前に最大の剥離を伴う黄斑部の OCT 画像が選択されます。
これらの画像は、他の臨床パラメータとともにアルゴリズムに入力されます。
結果は、上記の 3 つの治療結果の 1 つです。
アルゴリズムの開発に使用される方法には、データの処理と変換の方法、深い機械学習、アルゴリズムの精度を計算するための指標が含まれます。
研究の種類
観察的
入学 (実際)
300
連絡先と場所
このセクションには、調査を実施する担当者の連絡先の詳細と、この調査が実施されている場所に関する情報が記載されています。
研究場所
-
-
-
Krasnodar、ロシア連邦、350012
- The S.N. Fyodorov Eye Microsurgery State Institution
-
-
参加基準
研究者は、適格基準と呼ばれる特定の説明に適合する人を探します。これらの基準のいくつかの例は、人の一般的な健康状態または以前の治療です。
適格基準
就学可能な年齢
- 大人
- 高齢者
健康ボランティアの受け入れ
はい
サンプリング方法
確率サンプル
調査対象母集団
加齢性血管新生黄斑変性症を伴う網膜色素上皮剥離の患者
説明
包含基準:
- リニア B - 剥離が最も長い黄斑部をスキャンします
- その他の病状
除外基準:
- 剥離のない画像
- 研究で考慮されていない追加の要因が存在する場合にのみ、治療の必要性を診断できる画像。
研究計画
このセクションでは、研究がどのように設計され、研究が何を測定しているかなど、研究計画の詳細を提供します。
研究はどのように設計されていますか？
デザインの詳細
コホートと介入
グループ/コホート |
介入・治療 |
|---|---|
|
接着力
抗血管内皮増殖因子療法後に神経上皮剥離の癒着が認められた群
|
0.05 ml 抗 VEGF、硝子体内、毎月
他の名前：
|
|
接着なし
抗血管内皮増殖因子療法後に神経上皮剥離が認められなかった群
|
0.05 ml 抗 VEGF、硝子体内、毎月
他の名前：
|
|
にゃんにゃん
抗血管内皮増殖因子療法後に神経上皮剥離破裂が認められた群
|
0.05 ml 抗 VEGF、硝子体内、毎月
他の名前：
|
この研究は何を測定していますか？
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
予測アルゴリズム
時間枠：2022 年 1 月 9 日
|
ニューラル ネットワーク分類器
|
2022 年 1 月 9 日
|
協力者と研究者
ここでは、この調査に関係する人々や組織を見つけることができます。
捜査官
- スタディディレクター：Viktoria Myasnikova, D.Med.Sc.、Deputy Director for Research
出版物と役立つリンク
研究に関する情報を入力する責任者は、自発的にこれらの出版物を提供します。これらは、研究に関連するあらゆるものに関するものである可能性があります。
一般刊行物
- Rohm M, Tresp V, Muller M, Kern C, Manakov I, Weiss M, Sim DA, Priglinger S, Keane PA, Kortuem K. Predicting Visual Acuity by Using Machine Learning in Patients Treated for Neovascular Age-Related Macular Degeneration. Ophthalmology. 2018 Jul;125(7):1028-1036. doi: 10.1016/j.ophtha.2017.12.034. Epub 2018 Feb 14.
- Prahs P, Radeck V, Mayer C, Cvetkov Y, Cvetkova N, Helbig H, Marker D. OCT-based deep learning algorithm for the evaluation of treatment indication with anti-vascular endothelial growth factor medications. Graefes Arch Clin Exp Ophthalmol. 2018 Jan;256(1):91-98. doi: 10.1007/s00417-017-3839-y. Epub 2017 Nov 10.
- Schmidt-Erfurth U, Bogunovic H, Sadeghipour A, Schlegl T, Langs G, Gerendas BS, Osborne A, Waldstein SM. Machine Learning to Analyze the Prognostic Value of Current Imaging Biomarkers in Neovascular Age-Related Macular Degeneration. Ophthalmol Retina. 2018 Jan;2(1):24-30. doi: 10.1016/j.oret.2017.03.015. Epub 2017 May 31.
- Bogunovic H, Montuoro A, Baratsits M, Karantonis MG, Waldstein SM, Schlanitz F, Schmidt-Erfurth U. Machine Learning of the Progression of Intermediate Age-Related Macular Degeneration Based on OCT Imaging. Invest Ophthalmol Vis Sci. 2017 May 1;58(6):BIO141-BIO150. doi: 10.1167/iovs.17-21789.
- Schmidt-Erfurth U, Waldstein SM, Klimscha S, Sadeghipour A, Hu X, Gerendas BS, Osborne A, Bogunovic H. Prediction of Individual Disease Conversion in Early AMD Using Artificial Intelligence. Invest Ophthalmol Vis Sci. 2018 Jul 2;59(8):3199-3208. doi: 10.1167/iovs.18-24106.
- Kozina, E. V., S. N. Sakhnov, V. V. Myasnikova, E. V. Bykova, and L. E. Aksenova. 2021. 'Modern Trends in Diagnostics and Prediction of Results of Anti-Vascular Endothelial Growth Factor Therapy of Pigment Epithelial Detachment in Neovascular Agerelated Macular Degeneration Using Deep Machine Learning Method (Literature Review)'. Acta Biomedica Scientifica 6 (6-1): 190-203. https://doi.org/10.29413/ABS.2021-6.6-1.22.
研究記録日
これらの日付は、ClinicalTrials.gov への研究記録と要約結果の提出の進捗状況を追跡します。研究記録と報告された結果は、国立医学図書館 (NLM) によって審査され、公開 Web サイトに掲載される前に、特定の品質管理基準を満たしていることが確認されます。
主要日程の研究
研究開始 (実際)
2021年11月1日
一次修了 (実際)
2022年9月1日
研究の完了 (実際)
2022年9月1日
試験登録日
最初に提出
2022年1月5日
QC基準を満たした最初の提出物
2022年1月12日
最初の投稿 (実際)
2022年1月26日
学習記録の更新
投稿された最後の更新 (実際)
2023年4月13日
QC基準を満たした最後の更新が送信されました
2023年4月11日
最終確認日
2023年4月1日
詳しくは
この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。