CHUM에서 당뇨망막병증 선별검사를 위한 NeoRetina 인공지능 알고리즘 평가 (DR-NeoRetina)
CHUM: NeoRetina Automated Algorithm 평가(DIAGNOS Inc.)에서 진행된 당뇨병 환자의 당뇨망막병증 조기 발견 및 추적에 인공지능 활용
연구 개요
상태
상세 설명
880,000명 이상의 Quebecers(인구의 10% 이상)가 65세 미만 성인 당뇨병 환자의 실명의 주요 원인인 당뇨병을 앓고 있으며, 당뇨병 환자의 약 40%가 당뇨병성 망막병증(DR)을 앓고 있습니다. 따라서 DR의 조기 발견과 정기적인 추적 관찰은 이 질병의 진행을 예방하는 데 중요합니다.
그러나 퀘벡의 공공 의료 시스템은 실제로 모든 당뇨병 환자가 단기간에 안과 의사의 진찰을 받을 수 있는 능력이 없습니다. 인공 지능은 DR을 선별하고 안과 의사에게 이 안구 질환을 앓고 있는 환자만을 추천하는 데 도움이 될 수 있습니다.
본 연구의 연구자들은 인공지능(AI)이 안과 평가와 유사한 효율성과 정확도로 DR의 유무를 감지할 수 있는 당뇨병성 망막증(DR)의 스크리닝에 유용한 기술이라는 가설을 세웠다.
본 연구의 목표는 NeoRetina 순수 인공지능 알고리즘(망막의 컬러 사진 자동 분석)으로 얻은 DR의 스크리닝 결과와 Center hospitalier de l' 몬트리올 대학교(CHUM).
본 연구의 주요 목적은 인공지능(AI)이 당뇨망막병증(DR)의 조기 발견 및 추적에 유용한 기술이 될 수 있는지 확인하는 것입니다.
첫 번째 구체적인 목표는 당뇨병 환자의 안저 영상을 기존 영상과 비교하여 분석하여 당뇨병성 망막병증(DR)의 중증도를 선별하고 등급을 매기는 NeoRetina(DIAGNOS Inc.) 자동화 알고리즘의 효율성과 정확성을 결정하는 것입니다. 임상 상황에서 안과 의사가 수행하는 눈 검사.
두 번째 구체적인 목표는 NeoRetina가 당뇨병성 망막증(DR)의 부재, 당뇨병성 망막증(DR)의 존재 및 질병의 중증도를 효율적이고 정확하게 결정할 수 있는지 평가하는 것입니다.
모집된 당뇨병 참가자는 NeoRetina를 사용하는 AI에 의해 DR에 대해 스크리닝됩니다. 참가자는 또한 CHUM의 안과의사와 함께 완전한 눈 검사(맹검 평가)를 받아 당뇨병의 눈 합병증을 앓고 있는지 확인합니다.
NeoRetina로 AI가 수행한 스크리닝 결과는 안과 의사가 수행한 안구 평가 결과와 비교됩니다. CHUM의 안과 의사는 또한 DR이 있는지 확인하기 위해 DIAGNOS(맹검 평가)에서 획득한 망막 이미지를 수정하고 수동으로 질병의 중증도 등급을 매길 것입니다.
연구 유형
등록 (실제)
단계
- 해당 없음
연락처 및 위치
연구 장소
-
-
Quebec
-
Montreal, Quebec, 캐나다, H2X 0A9
- Centre Hospitalier de l'Université de Montréal
-
-
참여기준
자격 기준
공부할 수 있는 나이
건강한 자원 봉사자를 받아들입니다
설명
포함 기준:
- 18세 이상의 환자
- 정보에 입각한 동의를 제공할 수 있는 능력
- 당뇨병에 대한 진단: 3a) 5년 이상 진화한 제1형 당뇨병; 또는 3b) 제2형 당뇨병;
- 당뇨병 환자는 Centre hospitalier de l'Université de Montréal (CHUM)의 의사에 의해 추적 및 의뢰되었습니다: 4a) CHUM의 내분비학자에 의해 수행됨; 또는 4b) CHUM에 입원; 또는 4c) DR 평가를 위해 CHUM의 안과 클리닉 대기자 명단에 있습니다.
제외 기준:
- 18세 미만 환자;
- 정보에 입각한 동의를 제공할 수 없음
- 망막질환에 대해 이미 치료(수술, 레이저, 주사 등)를 받은 환자 : 노인성황반변성(AMD), 망막혈관폐쇄(RVO); 등.
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
- 주 목적: 특수 증상
- 할당: 해당 없음
- 중재 모델: 단일 그룹 할당
- 마스킹: 없음(오픈 라벨)
무기와 개입
참가자 그룹 / 팔 |
개입 / 치료 |
|---|---|
|
실험적: 당뇨병성 망막병증(DR)
인공 지능(NeoRetina 알고리즘)으로 DR을 스크리닝하고 표준 안과 검사로 진단 평가합니다.
|
DIAGNOS 팀은 비동공 디지털 카메라(동공 확장 없음)를 사용하여 황반 중심 눈 색깔 안저 사진을 획득합니다.
수치적 치료 후 당뇨망막병증(DR)과 당뇨황반부종(DME)의 눈 병변 특성을 찾기 위해 망막 영상을 NeoRetina 인공지능(AI) 알고리즘으로 분석합니다.
DR 및 DME의 중증도는 NeoRetina에서 ''조기 당뇨병성 망막병증 연구''(ETDRS) 국제 분류 기준에 따라 등급을 매깁니다.
당뇨병성 망막병증(DR) 및 당뇨병성 황반 부종(DME)의 병변 특징을 찾기 위해 CHUM의 안과의사가 치료 표준 안과 검사(블라인드 평가)를 수행할 것입니다.
DR 및 DME의 중증도는 "조기 치료 당뇨병성 망막병증 연구"(ETDRS) 국제 분류 기준에 따라 의사가 등급을 매깁니다.
CHUM의 안과 전문의들은 DIAGNOS로 획득한 황반 중심 눈 색깔 사진을 수정하여 당뇨망막병증(DR)과 당뇨황반부종(DME)의 병변 특성을 찾아냅니다.
DR 및 DME의 중증도는 "Early Treatment Diabetic Retinopathy Study"(ETDRS) 국제 분류 기준에 따라 등급이 매겨집니다(맹검 평가).
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
인공 지능 - 당뇨병성 망막병증(DR)의 부재 또는 존재
기간: 기준선
|
당뇨망막병증(DR)의 유무를 판단하기 위한 인공지능(NeoRetina)에 의한 망막 영상 분석
|
기준선
|
|
눈 검사 - 당뇨병성 망막병증(DR)의 부재 또는 존재
기간: 기준선
|
당뇨병성 망막병증(DR)의 유무를 확인하기 위해 안과의사가 수행하는 눈 검사(맹검 평가)
|
기준선
|
|
망막 이미지의 수동 분석 - 당뇨병성 망막병증(DR)의 부재 또는 존재
기간: 기준선
|
당뇨망막병증(DR)의 유무를 확인하기 위해 CHUM의 안과의가 Diagnos에서 획득한 망막 이미지의 수동 분석(블라인드 평가)
|
기준선
|
|
인공 지능 - 당뇨망막병증(DR)의 중증도
기간: 기준선
|
당뇨병성 망막병증(DR)의 중증도를 등급화하기 위해 인공지능(NeoRetina)에 의한 망막 이미지 분석
|
기준선
|
|
눈 검사 - 당뇨병성 망막병증(DR)의 중증도
기간: 기준선
|
당뇨병성 망막병증(DR)의 중증도를 평가하기 위해 안과의사가 수행하는 눈 검사(맹검 평가)
|
기준선
|
|
망막 이미지 수동 분석 - 당뇨병성 망막병증(DR)의 심각도
기간: 기준선
|
당뇨망막병증(DR)의 중증도 등급을 매기기 위해 CHUM의 안과의가 Diagnos에서 획득한 망막 이미지의 수동 수정(블라인드 평가)
|
기준선
|
|
인공 지능 - 당뇨병성 황반부종(DME)의 유무
기간: 기준선
|
당뇨병성 황반부종(DME)의 유무를 판단하기 위한 인공지능(NeoRetina)에 의한 망막 영상 분석
|
기준선
|
|
눈 검사 - 당뇨병성 황반 부종(DME)의 부재 또는 존재
기간: 기준선
|
당뇨병성 황반 부종(DME)의 유무를 확인하기 위해 안과의사가 수행하는 눈 검사(맹검 평가)
|
기준선
|
|
망막 영상의 수동 분석 - 당뇨병성 황반 부종(DME)의 부재 또는 존재
기간: 기준선
|
당뇨병성 황반 부종(DME)의 유무를 확인하기 위해 CHUM의 안과의가 Diagnos에서 획득한 망막 영상의 수동 분석(맹검 평가)
|
기준선
|
|
인공 지능 - 당뇨병성 황반부종(DME)의 중증도
기간: 기준선
|
당뇨병성 황반부종(DME)의 중증도를 등급화하기 위해 인공지능(NeoRetina)에 의한 망막 이미지 분석
|
기준선
|
|
눈 검사 - 당뇨병성 황반 부종(DME)의 중증도
기간: 기준선
|
당뇨병성 황반 부종(DME)의 중증도를 평가하기 위해 안과의사가 수행하는 눈 검사(맹검 평가)
|
기준선
|
|
망막 영상의 수동 분석 - 당뇨병성 황반 부종(DME)의 중증도
기간: 기준선
|
당뇨병성 황반 부종(DME)의 중증도를 등급화하기 위해 CHUM의 안과의가 Diagnos에서 획득한 망막 이미지의 수동 분석(블라인드 평가)
|
기준선
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
NeoRetina 알고리즘의 성능 - 당뇨병성 망막병증(DR)
기간: 3 년
|
당뇨병성 망막병증(DR)의 검출 및 등급 분류를 위한 NeoRetina 알고리즘의 성능을 평가합니다. 민감도, 특이도, 양성 예측값(PPV) 및 음성 예측값(NPV) 및 수신자 작동 특성 곡선 아래 면적(AUC, 95% CI)이 계산됩니다. 일치 수준은 카파 분석에 의해 결정됩니다. |
3 년
|
|
NeoRetina 알고리즘의 성능 - 당뇨병성 황반 부종(DME)
기간: 3 년
|
당뇨병성 황반 부종(DME)의 검출 및 등급 분류를 위한 NeoRetina 알고리즘의 성능을 평가합니다. 민감도, 특이도, 양성 예측값(PPV) 및 음성 예측값(NPV) 및 수신자 작동 특성 곡선 아래 면적(AUC, 95% CI)이 계산됩니다. 일치 수준은 카파 분석에 의해 결정됩니다. |
3 년
|
공동 작업자 및 조사자
협력자
수사관
- 수석 연구원: Karim Hammamji, MD, Centre hospitalier de l'Université de Montréal (CHUM)
간행물 및 유용한 링크
일반 간행물
- Unité d'évaluation des technologies et des modes d'intervention en santé (UETMIS). Centre hospitalier de l'Université de Montréal. Projet pilote : application de l'intelligence artificielle en ophtalmologie. Revue de la littérature et étude de terrain, phase I. Préparée par Imane Hammana et Alfons Pomp. Février 2020.
- Shaban M, Ogur Z, Mahmoud A, Switala A, Shalaby A, Abu Khalifeh H, Ghazal M, Fraiwan L, Giridharan G, Sandhu H, El-Baz AS. A convolutional neural network for the screening and staging of diabetic retinopathy. PLoS One. 2020 Jun 22;15(6):e0233514. doi: 10.1371/journal.pone.0233514. eCollection 2020.
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (실제)
연구 완료 (실제)
연구 등록 날짜
최초 제출
QC 기준을 충족하는 최초 제출
처음 게시됨 (실제)
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
QC 기준을 충족하는 마지막 업데이트 제출
마지막으로 확인됨
추가 정보
이 연구와 관련된 용어
키워드
추가 관련 MeSH 약관
기타 연구 ID 번호
- 20.292
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. .