후안절 질환의 AI 보조 검출: 당뇨망막병증, 연령관련황반변성, 망막정맥폐쇄 및 녹내장
안저 사진 판독 소프트웨어 성능 향상 검증을 위한 다기관 임상 연구
이 다기관 연구의 목적은 AI 보조 안저 이미지 해석이 안과 의사의 진단 성능을 어느 정도 향상시키는지 평가하는 것입니다. 독립적인 알고리즘 성능을 평가하기보다, 이 연구는 실제 임상 워크플로우 내에서 AI를 의사결정 지원 도구로 사용하는 것의 임상적 가치를 규명하는 것을 목표로 합니다.
각 참여 기관에서, 전문의 자격 취득 후 3년 이내의 안과 의사 5명과 안과 레지던트 5명이 판독자로 참여합니다. 모든 판독자는 AI 기반 지원 소프트웨어를 사용한 경우와 사용하지 않은 경우 모두에서 안저 이미지를 해석합니다. 이 연구는 당뇨망막병증, 연령관련황반변성, 망막정맥폐쇄, 녹내장 등 네 가지 후안구 질환에 대해 두 조건 간의 진단 정확도와 판독 시간을 정량적으로 비교할 것입니다.
연구 개요
상태
상태
정황
정황
개입 / 치료
개입 / 치료
연구 유형
연구 유형
등록 (실제)
등록
단계
단계
- 해당 없음
연락처 및 위치
연구 장소
-
-
-
Busan, 대한민국, 49201
- Dong-A University Hospital
-
Busan, 대한민국, 49241
- Pusan National University Hospital
-
Busan, 대한민국, 47392
- Inje University Busan Paik Hospital
-
Busan, 대한민국, 49267
- Kosin University Gospel Hospital
-
Yangsan, 대한민국, 50612
- Pusan National University Yangsan Hospital
-
-
참여기준
자격 기준
자격 기준
공부할 수 있는 나이
- 어린이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
설명
다섯 개의 참여 병원에서 10명의 판독자를 모집하며, 다음과 같이 구성됩니다:
- 인증 후 3년 이내의 안과 전문의 5명
- 안과 전공의 5명
연령, 성별, 인종 또는 민족에 관계없이 모든 안과 전문의 및 전공의는 연구 판독자로 참여할 수 있습니다. 모든 판독자는 다음 포함 기준을 충족해야 합니다:
- 안저 이미지를 해석할 자격이 있는 면허 의사.
- 인증 후 3년 이내의 안과 전문의 또는 임상 경력 제한이 없는 안과 전공의.
- 보조 없이 및 AI 보조 판독 세션을 모두 완료할 수 있고 의향이 있는 자.
- 판독자 연구 참여에 대한 사전 동의를 제공할 수 있는 자.
- 참여 임상 현장 중 하나에 소속된 자.
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
- 주 목적: 특수 증상
- 할당: 무작위화되지 않음
- 중재 모델: 순차적 할당
- 마스킹: 없음(오픈 라벨)
팔의 수
무기와 개입
참가자 그룹 / 팔참가자 그룹 / 팔 |
개입 / 치료개입 / 치료 |
|---|---|
|
실험적: AI 지원 읽기
독자들은 AI 생성 출력물을 이용하여 안저 이미지를 해석합니다.
|
이 중재는 12가지 망막 및 시신경 소견(예: 출혈, 삼출물, 유리체와, 시신경 유두 변화)에 대한 자동 출력을 제공하는 AI 기반 안저 이미지 해석 소프트웨어로 구성됩니다.
이 시스템은 직접적인 질병 진단을 생성하지 않습니다.
대신 AI는 12가지 미리 정의된 소견의 유무와 그 병변 위치를 표시합니다.
판독자는 네 가지 목표 질환(당뇨병성 망막병증, 연령 관련 황반변성, 망막정맥폐쇄, 녹내장)의 유무를 결정할 때 이 소견 수준 정보를 의사 결정 지원으로 사용할 수 있습니다.
|
|
간섭 없음: 독립적 읽기
독자들은 AI 시스템에 접근하지 않고 안저 이미지를 해석합니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
이미지당 읽기 시간
기간: 연구 완료 시까지, 약 2개월
|
이미지별 읽기 시간은 AI 보조 해석 세션과 AI 미보조 해석 세션 모두에서 측정됩니다.
각 사례에 대해, 이미지가 표시되는 순간부터 판독자가 최종 질병 분류를 제출하는 순간까지의 총 시간이 판독 플랫폼에 의해 자동으로 기록됩니다.
이미지별 평균 읽기 시간은 각 판독자별로 계산되며, 두 조건 간에 비교되어 AI 보조가 해석 시간을 단축시키는지 평가됩니다.
|
연구 완료 시까지, 약 2개월
|
|
Performance of readers with and without AI assistance: Sensitivity
기간: Through study completion, approximately 2 months
|
Sensitivity of reader diagnoses for each of the four target diseases (DR, AMD, RVO, glaucoma) and for any fundus abnormality will be assessed with and without AI assistance, using the image-level reference standard as the comparator, through two reading sessions in which all 10 readers review all cases-randomised for each reader-with a washout period implemented to mitigate recall bias.
|
Through study completion, approximately 2 months
|
|
Performance of readers with and without AI assistance: Specificity
기간: Through study completion, approximately 2 months
|
Specificity of reader diagnoses for each of the four target diseases (DR, AMD, RVO, glaucoma) and for any fundus abnormality will be assessed with and without AI assistance, using the image-level reference standard as the comparator, through two reading sessions in which all 10 readers review all cases-randomised for each reader-with a washout period implemented to mitigate recall bias.
|
Through study completion, approximately 2 months
|
공동 작업자 및 조사자
협력자
협력자
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
연구 시작
기본 완료 (실제)
기본 완료
연구 완료 (실제)
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
추가 관련 MeSH 약관
기타 연구 ID 번호
기타 연구 ID 번호
- 2025-07-033
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
약물 및 장치 정보, 연구 문서
미국 FDA 규제 의약품 연구
미국 FDA 규제 기기 제품 연구
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. .