안구 응급 환자 분류 및 1차 진단을 위한 인공지능 시스템
2022년 12월 25일 업데이트: Haotian Lin, Sun Yat-sen University
안구 응급 환자 분류 및 1차 진단을 위한 인공지능 시스템의 전향적 검증
안과 응급 상황은 급성 시력 위협 장애로, 신속한 응급 대응이 지연되면 치명적인 시력 손실이 발생할 수 있습니다. 트리아지는 제한된 자원에도 불구하고 적절한 방문 순서에 따라 환자의 우선 순위를 지정하여 적시에 응급 치료가 제공되도록 하는 효과적인 프로세스입니다. 역사적으로 등록 간호사는 변동이 심한 개인적인 경험을 바탕으로 응급 환자를 분류합니다. 또한, 1차 의료 제공자는 전통적으로 응급 처치 제공의 최전선에 있었습니다. 그러나 대부분의 안구응급은 비안과 전문의의 안과에 대한 지식과 수련이 부족하여 잘못 진단되거나 의뢰되는 경우가 많다.
여기에서 조사관은 인공 지능 시스템인 EE-Explorer를 구축하고 검증하여 안구 응급 상황을 분류하고 메타데이터 및 안구 이미지를 사용하여 1차 진단을 지원합니다. 이 시스템은 웹사이트에 통합되어 실제 세계에서 전향적으로 검증되었습니다.
연구 개요
연구 유형
관찰
등록 (예상)
100
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 연락처
- 이름: Haotian Lin, M.D., Ph.D
- 전화번호: 8613802793086
- 이메일: haot.lin@hotmail.com
연구 장소
-
-
Guangdong
-
Guangzhou, Guangdong, 중국, 510060
- 모병
- Zhongshan Ophthalmic Center, Sun Yat-sen Univerisity
-
연락하다:
- Haotian Lin, M.D., Ph.D
- 전화번호: 8613802793086
- 이메일: linht5@mail.sysu.edu.cn
-
연락하다:
- Xiaohang Wu, M.D., Ph.D
- 전화번호: 8615913177657
- 이메일: wxhang@mail2.sysu.edu.cn
-
-
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
온라인 대중 과학, 뉴스 보도 및 기타 채널을 통해 환자에게 안과 응급 상황에 대한 관련 지식을 알리고 홍보하여 환자가 스스로 판단하고 본 연구 참여 여부를 자유롭게 결정할 수 있도록 할 것입니다.
설명
포함 기준:
- 1개월 이내의 급성 안과적 증상
- 처음으로 안과 응급실 방문
- 안과 응급 상황에 대한 분류 양식을 작성할 수 있어야 합니다.
- 스마트폰 사진을 제출하거나 세극등 검사를 받아 협조할 수 있어야 함
제외 기준:
이미지 품질이 임상 요구 사항을 충족하지 않습니다.
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
- 관찰 모델: 보병대
- 시간 관점: 유망한
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
|---|---|
|
AI 기반 안과 응급환자 분류 및 1차 진단 대상자
|
안과 응급 상황에 대한 지능형 분류 및 진단 시스템이 개발되었습니다.
전향적 테스트에서 급성 안구 증상이 있는 환자는 메타데이터 및 안구 이미지를 업로드한 후 원격 자가 분류 및 1차 진단을 달성할 수 있습니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
분류 모델의 정확도
기간: 2023.1
|
분류 모델을 사용하여 급성 안구 증상이 있는 환자를 분류하고 올바른 분류의 비율을 계산합니다.
|
2023.1
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
기본 진단 모델의 정확도
기간: 2023.1
|
1차 진단 모델을 사용하여 안과 응급 환자를 진단하고 모든 환자에서 정확한 진단의 비율을 계산합니다.
|
2023.1
|
기타 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
환자의 수용
기간: 2023.1
|
설문지 점수
|
2023.1
|
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)
2022년 12월 10일
기본 완료 (예상)
2023년 1월 13일
연구 완료 (예상)
2023년 1월 20일
연구 등록 날짜
최초 제출
2022년 12월 13일
QC 기준을 충족하는 최초 제출
2022년 12월 25일
처음 게시됨 (추정)
2023년 1월 11일
연구 기록 업데이트
마지막 업데이트 게시됨 (추정)
2023년 1월 11일
QC 기준을 충족하는 마지막 업데이트 제출
2022년 12월 25일
마지막으로 확인됨
2022년 12월 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. .