케라 토코 누스 환자에서 예측 예측.
Keratoconus 환자에서 명백한 난시 예측 : 각막 지형을 사용한 기계 학습 접근.
인간의 눈의 각막에는 몇 가지 기능이 있습니다. 눈에 빛을 허용하는 것은 투명하며 그 모양은 들어오는 빛을 망막에 집중시킵니다. 각막은이 초점의 3 분의 2를 담당하는 반면, 인간 렌즈는 나머지 3 분의 1을 차지합니다.
Keratoconus는 생애 2 년에서 30 년 동안 발병 된 상태이며 각막은 불규칙한 모양으로 뒤틀립니다. 이 불규칙성은 망막에 중점을 둔 이미지의 흐림으로 인해 시력을 줄입니다. 각막 모양이 불규칙적이기 때문에 전통적인 안경으로 부분 개선 만 달성 할 수 있습니다.
각막 코너스 환자의 안경 처방은 종종 임상 환경에서 각막에서 얻은 측정과 유의한다. 이 차이의 크기와 변동성의 예측 가능성은 잘 이해되지 않습니다. 결과적으로, 최상의 시력 보정을 달성하기위한 최적의 안경 처방을 결정하는 데는 종종 시간이 많이 걸리는 시행 착오 접근 방식이 포함됩니다. 예측 가능성이 향상되면 최적의 안경 처방을 식별하는 데 필요한 시간을 줄여 생산성이 향상 될 수 있습니다. 외과 환자의 경우 더 나은 예측 가능성을 통해 외과 의사는 치료 후 우수한 시력 결과를 제공하는 렌즈를 선택할 수 있습니다. 잉글랜드의 서쪽에있는 광학 법 클리닉에서, 안경 처방전과 각막 스캔을 가진 800 명 이상의 환자의 데이터베이스가 조사자들에 의해 편집되었습니다. 이것은 각막 스캔 매개 변수를 예측 변수로 사용하여 안경 측정의 기계 학습 모델 (AI)의 예측 정확도를 훈련시키고 평가하기에 충분한 데이터 세트입니다.
연구 개요
상태
상태
정황
정황
개입 / 치료
개입 / 치료
상세 설명
Keratoconus는 전 세계적으로 시각 장애의 주요 원인 중 하나입니다. 주요 치료 옵션에는 각막 가교, 노골 고리 세그먼트, 침투 각막 성형술 및 라멜라 각화 성형술이 포함됩니다.
Keratoconus는 어린 시절에 발병 된 점진적인 상태로 각막 모양의 불규칙성이 증가합니다. 각막의 역할은 들어오는 빛을 굴절시켜 망막에 초점을 맞추기 위해 날카로운 이미지를 생성하는 것입니다. 각막의 불규칙성은이 이미지를 분해합니다. Keratoconus는 2 년과 30 년 동안 생명을 발휘하며 일반적으로 4 년 동안 안정화됩니다. 그것은 점진적인 비전 손실로 이어집니다. 조기에 검출되면 콜라겐 가교 치료로 진행을 중단하거나 안정화시킬 수 있습니다. 시력의 질을 손상시키기 위해 상태가 진행되면, 강성 콘택트 렌즈 또는 수술 절차가 종종 교정에 필요합니다. 스펙터클과 부드러운 콘택트 렌즈는 각막 코 누스의 각막의 불규칙한 모양으로 인해 종종 부적절합니다.
각막 이식을 포함하지 않는 각화 코니 누스에 대한 외과 적 접근에는 이식 가능한 콜라머 렌즈 (ICL) 또는 토리 안내 렌즈 (TIOL)가 포함됩니다. 이러한 접근법의 사용에 대한 증거는 거의 없으며, 교정에 대한 비 점수주의의 정도 또는 선택할 수있는 적절한 축의 축에 관한 합의는 존재하지 않습니다.
낮은 차도 (예 : 근시, 장거리 및 난시를 포함한 안경으로 수정 가능한 수차) 외에도 고차 수차가 존재하며, 이는 안경으로 수정할 수 없습니다. 불규칙한 각막 난식과 고차 수차로 인해 각막 코 누스 환자에서 정확한 굴절이 종종 어려워집니다. Keratoconus의 눈은 정상적인 눈, 특히 수직 혼수 상태보다 약 5 ~ 6 배 더 높은 수차를 나타냅니다. 매니페스트 굴절 실린더 (안경 처방의 비점 성분)에는 규칙적이고 불규칙한 난시가 모두 포함됩니다. 또한, 처방전에서의 난시 축은 종종 3 차원 각막 영상에서 파생 된 토폴릭 축과 크게 다릅니다. 이식 가능한 콜라머 렌즈 (ICL) 또는 토리 안내 렌즈 (TIOL)를받는 환자와 같은 적합한 환자에 대한 난시를 관리 할 때, 명백한 굴절에 기여하는 형상 요인을 더 잘 이해하는 것이 중요합니다. 개선 된 이해는 수술 후 굴절을보다 효과적으로 중화시키고 더 큰 예측 가능성을 달성하는 데 도움이 될 수 있습니다. 비수술 환자의 경우 최상의 시력 교정을 달성하기 위해 최적의 안경 처방을 결정하는 데는 종종 시간이 많이 걸리는 시행 착오 과정이 포함됩니다. 예측 가능성이 향상되면 최적의 처방전을 식별하는 데 필요한 시간을 줄여 생산성과 환자 치료가 향상 될 수 있습니다.
이 연구의 목적은 800 명 이상의 환자로부터 이미 수집 한 데이터를 사용하여 지형 요소 (각막 모양의 3 차원 모델링), 예를 들어 전방 및 후방 곡률 및 고차 수차 (주관적 표현의 양)를 비교하는 것입니다. 신경의 시계의 난시). 이 방법들 사이의 비공개에 대한 각질의 심각성의 영향도 평가 될 것이다.
연구 유형
연구 유형
등록 (추정된)
등록
연락처 및 위치
연구 장소
-
-
Devon
-
Exeter, Devon, 영국, EX2 5DW
- West of England Eye Unit
-
-
참여기준
자격 기준
자격 기준
공부할 수 있는 나이
- 어린이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
샘플링 방법
연구 인구
설명
포함 기준 :
- 잉글랜드의 서쪽에서 지형을 가지고있는 각 케라 토코 누스 진단을받은 모든 환자는 동시대의 명백한 굴절로 공연합니다.
제외 기준 :
- 품질이 좋지 않은 지형 스캔.
- 안구 수술의 병력.
- <16 세.
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
연구는 무엇을 측정합니까?
주요 결과 측정
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
환자의 명백한 시점에 대한 머신 러닝 모델의 예측의 루트 평균 제곱 오류 (RMSE).
기간: 기준선
|
1 차 결과 측정은 기계 학습 회귀 분석에서 파생되며 인구 통계 및 각막 측정 값은 예측 변수 (x)로 사용하고 결과 변수 (y)로서 비점을 나타냅니다. 각 환자에 대해, 연구 기간 동안 기록 된 최초의 Pentacam 스캔은 같은 날에 나타나는 시상식 측정이 존재합니다. |
기준선
|
2차 결과 측정
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
가장 성능이 좋은 기계 학습 모델에서 각 예측 변수에 대한 Shapley 값.
기간: 기준선
|
Shapley 값은 모델 예측에서 각 변수의 중요성에 대한 통찰력을 제공합니다. 이 접근법은 각막 코너스 환자의 각막 지형 요인과 명백한 난시의 관계를 식별하는 데 도움이됩니다. 이 값은 기계 학습 분석 중에 찾을 수 있습니다. 각 환자에 대해, 연구 기간 동안 기록 된 최초의 Pentacam 스캔은 같은 날에 나타나는 시상식 측정이 존재합니다. |
기준선
|
공동 작업자 및 조사자
간행물 및 유용한 링크
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
연구 시작
기본 완료 (추정된)
기본 완료
연구 완료 (추정된)
연구 완료
연구 등록 날짜
최초 제출
최초 제출
QC 기준을 충족하는 최초 제출
QC 기준을 충족하는 최초 제출
처음 게시됨 (실제)
처음 게시됨
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
마지막 업데이트 게시됨
QC 기준을 충족하는 마지막 업데이트 제출
QC 기준을 충족하는 마지막 업데이트 제출
마지막으로 확인됨
마지막으로 확인됨
추가 정보
이 연구와 관련된 용어
기타 연구 ID 번호
기타 연구 ID 번호
- 2304410
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
IPD 계획 설명
약물 및 장치 정보, 연구 문서
미국 FDA 규제 의약품 연구
미국 FDA 규제 기기 제품 연구
미국에서 제조되어 미국에서 수출되는 제품
이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .