Detection of Systemic Diseases Such as Hepatobiliary Diseases From Ocular Images Via Deep Learning
2026年5月11日 更新者：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.
調査の概要
研究の種類
観察的
入学 (実際)
775
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
-
-
Guangdong
-
Guangzhou、Guangdong、中国、510000
- Zhongshan Ophthalmic Center, Sun Yat-sen Univerisity
-
-
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
ocular images collected from the Third Affiliated Hospital of Sun Yat-sen University and Pazhou Medical Centre of Aikang Health Care
説明
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.
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 |
|---|---|
|
development dataset 01
ocular images collected from the Third Affiliated Hospital of Sun Yat-sen University
|
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
|
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
|
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
|
The training dataset was used to train the deep learning model, which was validated and tested by the other two datasets.
|
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 |
|---|---|---|
|
深層学習システムの受信者動作特性曲線の下の領域
時間枠：ベースライン
|
研究者は、深層学習システムの受信者動作特性曲線の下の領域を計算し、深層学習システムと人間の医師の間でこの指標を比較します
|
ベースライン
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
sensitivity of the deep learning system
時間枠：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
時間枠：baseline
|
The investigators will calculate the specifity of deep learning system and compare this index between deep learning system and human doctors
|
baseline
|
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。
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)
2020年4月10日
一次修了 (実際)
2024年7月30日
研究の完了 (実際)
2024年7月30日
試験登録日
最初に提出
2026年5月6日
QC基準を満たした最初の提出物
2026年5月6日
最初の投稿 (実際)
2026年5月12日
学習記録の更新
投稿された最後の更新 (実際)
2026年5月14日
QC基準を満たした最後の更新が送信されました
2026年5月11日
最終確認日
2026年5月1日
詳しくは
本研究に関する用語
追加の関連 MeSH 用語
その他の研究ID番号
- 2019KYPJ163
個々の参加者データ (IPD) の計画
個々の参加者データ (IPD) を共有する予定はありますか?
いいえ
医薬品およびデバイス情報、研究文書
米国FDA規制医薬品の研究
いいえ
米国FDA規制機器製品の研究
いいえ
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。