AI는 다망막 질환을 분류합니다.
2020년 12월 9일 업데이트: Beijing Tongren Hospital
안저촬영을 통한 다망막질환의 딥러닝 기반 자동분류
본 연구의 목적은 안저 촬영을 통해 다질병을 자동으로 분류하고 시력을 위협하는 주요 질환과 기타 망막 이상을 구별할 수 있는 딥러닝(DL) 알고리즘을 구축하는 것이다.
확립된 알고리즘의 효과와 정확성은 커뮤니티 파생 데이터 세트에서 평가됩니다.
연구 개요
상세 설명
망막 질환은 시력과 삶의 질을 심각하게 위협하지만 종종 서서히 진행됩니다. 현재까지 딥 러닝(DL) 알고리즘은 당뇨병성 망막증, 연령 관련 황반변성, 미숙아 망막병증, 녹내장 및 유두부종과 같은 안과 질환의 진단에서 특히 생물의학에서 높은 전망을 보여주었습니다. 그러나 안저촬영에서 다질환을 분류할 수 있는 단일 알고리즘은 아직 부족하다.
이 단면 연구는 안저 사진에서 다중 질병을 자동으로 분류하고 주요 시력 위협 상태 및 기타 망막 이상을 구별하는 DL 알고리즘을 설정합니다. ROC(Receiver Operating Characteristic) 곡선을 사용하여 질병의 인식 및 분류 능력을 조사합니다. 전문가 패널의 결과를 금본위제로 삼아 민감도, 특이도, 정확도, 양성예측도, 음성예측도 등의 평가지표를 활용해 AI인식시스템과 인간안과의 진단능력을 비교한다. .
연구 유형
관찰
등록 (예상)
10000
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 장소
-
-
Beijing
-
Beijing, Beijing, 중국, 100730
- 모병
- Wen-Bin Wei
-
-
참여기준
연구원은 적격성 기준이라는 특정 설명에 맞는 사람을 찾습니다. 이러한 기준의 몇 가지 예는 개인의 일반적인 건강 상태 또는 이전 치료입니다.
자격 기준
공부할 수 있는 나이
- 어린이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
아니
연구 대상 성별
모두
샘플링 방법
비확률 샘플
연구 인구
커뮤니티 파생 데이터 세트
설명
포함 기준:
- 시신경 유두와 황반을 덮는 45° 시야 주변의 안저 촬영
- 완전한 환자 식별 정보;
제외 기준:
- 불완전한 환자 식별 정보
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
|---|---|
|
DL 알고리즘으로 진단된 망막 다발성 질환
|
DL 알고리즘은 안저 사진에서 다중 질병을 자동으로 분류하고 시력을 위협하는 주요 조건 및 기타 망막 이상을 구별합니다.
|
|
전문가 패널이 진단한 망막 다발질환
|
전문가 패널은 안저 사진에서 여러 질병을 분류하고 시력을 위협하는 주요 조건 및 기타 망막 이상을 구별합니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
곡선 아래 영역
기간: 일주
|
ROC(Receiver Operating Characteristic) 곡선을 사용하여 질병의 인식 및 분류 능력을 조사합니다.
전문가 패널의 결과를 금본위제로 삼아 곡선 아래 영역을 사용하여 AI 인식 시스템과 인간 안과 의사 간의 진단 능력을 비교할 것입니다.
|
일주
|
|
민감도 및 특이도
기간: 일주
|
전문가 패널의 결과를 금본위제로 삼아 AI 인식 시스템과 인간 안과 의사 간의 진단 능력을 민감도와 특이도를 통해 비교할 예정이다.
|
일주
|
|
양수 및 음수 예측 값
기간: 일주
|
전문가 패널의 결과를 금본위제로 삼아 양성 및 음성 예측값을 사용하여 AI 인식 시스템과 인간 안과 의사 간의 진단 능력을 비교할 것입니다.
|
일주
|
|
정확성
기간: 일주
|
전문가 패널의 결과를 금본위제로 삼아 AI 인식 시스템과 인간 안과 의사 간의 진단 능력을 비교하기 위해 정확성을 사용할 것입니다.
|
일주
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
연구 기록 날짜
이 날짜는 ClinicalTrials.gov에 대한 연구 기록 및 요약 결과 제출의 진행 상황을 추적합니다. 연구 기록 및 보고된 결과는 공개 웹사이트에 게시되기 전에 특정 품질 관리 기준을 충족하는지 확인하기 위해 국립 의학 도서관(NLM)에서 검토합니다.
연구 주요 날짜
연구 시작 (실제)
2020년 11월 1일
기본 완료 (예상)
2021년 11월 1일
연구 완료 (예상)
2021년 12월 1일
연구 등록 날짜
최초 제출
2020년 10월 13일
QC 기준을 충족하는 최초 제출
2020년 10월 15일
처음 게시됨 (실제)
2020년 10월 19일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2020년 12월 11일
QC 기준을 충족하는 마지막 업데이트 제출
2020년 12월 9일
마지막으로 확인됨
2020년 10월 1일
추가 정보
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. .