인공지능을 활용한 녹내장 검진
2023년 9월 19일 업데이트: Professor Christopher K.S. Leung, The University of Hong Kong
인공 지능을 이용한 녹내장 검사 - 망막 신경 섬유층 광학 질감 분석과 시신경 유두 사진 평가를 비교하는 무작위 임상 시험
이 무작위 임상 시험은 모집단 기반 샘플 내에서 녹내장을 발견하는 데 있어 두 가지 AI 기반 스크리닝 전략인 ROTA(RNFL 광학 질감 분석) 평가와 시신경 유두 사진의 진단 성능을 비교하는 것을 목표로 합니다.
2차 목표는 (1) ROTA AI 평가와 AI에 의한 OCT RNFL 두께 평가의 진단 성능을 비교하고, ROTA AI 평가와 숙련된 그레이더에 의한 OCT RNFL 두께 평가를 비교하고, (2) 녹내장에 대한 AI ROTA 평가의 비용 효율성을 조사하는 것입니다. (3) 홍콩의 녹내장 유병률을 추정합니다.
연구 개요
상세 설명
녹내장은 2020년 전 세계적으로 7,600만 명의 환자에게 영향을 미치는 회복 불가능한 실명의 주요 원인입니다. 시신경의 진행성 변성이 특징인 질병 악화의 조기 발견은 시기적절한 개입으로 진행성 시력 상실을 예방하는 데 중요합니다. 제5차 세계녹내장협회 합의회의에서는 녹내장 임상의와 과학자로 구성된 다양하고 대표적인 그룹이 녹내장 검진의 가치와 방법에 대해 논의했습니다. 녹내장 치료는 종종 효과적이고, 사용하기 쉽고, 내약성이 좋기 때문에, 녹내장의 조기 발견은 시력과 삶의 질을 유지하는 데 유익하다는 것이 인식되고 있지만, 녹내장에 대한 최적의 선별검사 전략은 아직 결정되지 않았습니다.
ROTA(망막 신경 섬유층 광학 질감 분석)는 녹내장에서 축삭 섬유 다발의 손실을 감지하도록 설계된 특허 받은 알고리즘입니다. 기존의 OCT(Optical Coherence Tomography) 분석과 달리 ROTA는 비선형 변환을 사용하여 축색 섬유 다발의 광학 텍스처와 궤적을 표시하므로 규범적인 데이터베이스 없이도 RNFL 이상을 직관적이고 안정적으로 인식할 수 있습니다. 이는 다양한 OCT 모델에 걸쳐 적용할 수 있으며 특히 초기 녹내장의 국소 RNFL 결함과 말기 녹내장의 다양한 정도의 RNFL 손상을 감지하는 데 효과적입니다. 제안된 연구에서는 ROTA에 AI를 적용하는 것이 녹내장 검진 환경에서 실현 가능하고 비용 효율적인지 여부와 ROTA가 시신경 유두 사진 촬영 및 OCT RNFL 두께 평가보다 뛰어난 성능을 발휘하는지 여부를 다룰 것입니다.
연구 유형
중재적
등록 (추정된)
3175
단계
- 해당 없음
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 연락처
- 이름: Anita Yau
- 전화번호: 39102673
- 이메일: anitayky@hku.hk
연구 장소
-
-
-
Aberdeen, 홍콩
- 모병
- Southern District Wah Kwai Community Centre
-
연락하다:
- Jordy Lau
- 전화번호: 28315367
- 이메일: jordylau@hku.hk
-
Kwun Tong, 홍콩
- 모병
- Kwun Tong District Health Centre
-
연락하다:
- Jordy Lau
- 전화번호: 28315367
- 이메일: jordylau@hku.hk
-
-
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
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
예
설명
포함 기준:
- 50세 이상 개인
제외 기준:
- 신체적으로 무능력한
- 임상검사 및 광간섭단층촬영(OCT) 조사에 협조할 수 없는 경우 제외
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
- 주 목적: 상영
- 할당: 무작위
- 중재 모델: 병렬 할당
- 마스킹: 없음(오픈 라벨)
무기와 개입
참가자 그룹 / 팔 |
개입 / 치료 |
|---|---|
|
실험적: 망막 신경 섬유층 광학 질감 분석(ROTA)
RNFL은 ROTA용 OCT로 이미지화됩니다.
|
RNFL은 ROTA용 OCT로 이미지화되고 데이터는 딥러닝 모델로 분석됩니다.
|
|
활성 비교기: 광디스크 사진 촬영
컬러 안저 카메라로 시신경 유두의 영상을 촬영합니다.
|
컬러 안저 카메라로 시신경 유두의 영상을 촬영하고 데이터를 딥러닝 모델로 분석합니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
녹내장 진단을 위한 진단 성능
기간: 최대 1년
|
녹내장 검출을 위한 수신기 작동 특성 곡선(AUC) 아래 영역
|
최대 1년
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
녹내장의 유병률
기간: 최대 1년
|
녹내장 환자 비율
|
최대 1년
|
|
녹내장 인구 선별을 위한 증분 비용 효율성 비율(ICER)
기간: 최대 1년
|
녹내장 검사를 위한 ICER는 발견된 진양성 사례당 증분 비용, 증분 QALY당 증분 비용으로 측정됩니다.
|
최대 1년
|
기타 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
황반질환 검출을 위한 진단 성능
기간: 최대 1년
|
황반 질환 검출을 위한 수신기 작동 특성 곡선(AUC) 아래 면적
|
최대 1년
|
|
황반 질환의 유병률
기간: 최대 1년
|
황반질환 환자 비율
|
최대 1년
|
|
녹내장 및 황반 질환의 인구 선별을 위한 증분 비용 효율성 비율(ICER)
기간: 최대 1년
|
녹내장 및 황반 질환 검사를 위한 ICER는 발견된 진양성 사례당 증분 비용, 증분 QALY당 증분 비용으로 측정됩니다.
|
최대 1년
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
협력자
수사관
- 수석 연구원: Christopher Leung, The University of Hong Kong
간행물 및 유용한 링크
연구에 대한 정보 입력을 담당하는 사람이 자발적으로 이러한 간행물을 제공합니다. 이것은 연구와 관련된 모든 것에 관한 것일 수 있습니다.
일반 간행물
- Tham YC, Li X, Wong TY, Quigley HA, Aung T, Cheng CY. Global prevalence of glaucoma and projections of glaucoma burden through 2040: a systematic review and meta-analysis. Ophthalmology. 2014 Nov;121(11):2081-90. doi: 10.1016/j.ophtha.2014.05.013. Epub 2014 Jun 26.
- He M, Foster PJ, Ge J, Huang W, Zheng Y, Friedman DS, Lee PS, Khaw PT. Prevalence and clinical characteristics of glaucoma in adult Chinese: a population-based study in Liwan District, Guangzhou. Invest Ophthalmol Vis Sci. 2006 Jul;47(7):2782-8. doi: 10.1167/iovs.06-0051.
- Leung CK, Cheung CY, Weinreb RN, Qiu Q, Liu S, Li H, Xu G, Fan N, Huang L, Pang CP, Lam DS. Retinal nerve fiber layer imaging with spectral-domain optical coherence tomography: a variability and diagnostic performance study. Ophthalmology. 2009 Jul;116(7):1257-63, 1263.e1-2. doi: 10.1016/j.ophtha.2009.04.013. Epub 2009 May 22.
- Flaxman SR, Bourne RRA, Resnikoff S, Ackland P, Braithwaite T, Cicinelli MV, Das A, Jonas JB, Keeffe J, Kempen JH, Leasher J, Limburg H, Naidoo K, Pesudovs K, Silvester A, Stevens GA, Tahhan N, Wong TY, Taylor HR; Vision Loss Expert Group of the Global Burden of Disease Study. Global causes of blindness and distance vision impairment 1990-2020: a systematic review and meta-analysis. Lancet Glob Health. 2017 Dec;5(12):e1221-e1234. doi: 10.1016/S2214-109X(17)30393-5. Epub 2017 Oct 11.
- Li Z, He Y, Keel S, Meng W, Chang RT, He M. Efficacy of a Deep Learning System for Detecting Glaucomatous Optic Neuropathy Based on Color Fundus Photographs. Ophthalmology. 2018 Aug;125(8):1199-1206. doi: 10.1016/j.ophtha.2018.01.023. Epub 2018 Mar 2.
- Weinreb RN, Leung CK, Crowston JG, Medeiros FA, Friedman DS, Wiggs JL, Martin KR. Primary open-angle glaucoma. Nat Rev Dis Primers. 2016 Sep 22;2:16067. doi: 10.1038/nrdp.2016.67.
- Yu M, Lin C, Weinreb RN, Lai G, Chiu V, Leung CK. Risk of Visual Field Progression in Glaucoma Patients with Progressive Retinal Nerve Fiber Layer Thinning: A 5-Year Prospective Study. Ophthalmology. 2016 Jun;123(6):1201-10. doi: 10.1016/j.ophtha.2016.02.017. Epub 2016 Mar 19.
- Kim JS, Ishikawa H, Sung KR, Xu J, Wollstein G, Bilonick RA, Gabriele ML, Kagemann L, Duker JS, Fujimoto JG, Schuman JS. Retinal nerve fibre layer thickness measurement reproducibility improved with spectral domain optical coherence tomography. Br J Ophthalmol. 2009 Aug;93(8):1057-63. doi: 10.1136/bjo.2009.157875. Epub 2009 May 7.
- Pierro L, Gagliardi M, Iuliano L, Ambrosi A, Bandello F. Retinal nerve fiber layer thickness reproducibility using seven different OCT instruments. Invest Ophthalmol Vis Sci. 2012 Aug 31;53(9):5912-20. doi: 10.1167/iovs.11-8644.
- Leung CK, Lam S, Weinreb RN, Liu S, Ye C, Liu L, He J, Lai GW, Li T, Lam DS. Retinal nerve fiber layer imaging with spectral-domain optical coherence tomography: analysis of the retinal nerve fiber layer map for glaucoma detection. Ophthalmology. 2010 Sep;117(9):1684-91. doi: 10.1016/j.ophtha.2010.01.026. Epub 2010 Jul 21.
- Leung CK, Choi N, Weinreb RN, Liu S, Ye C, Liu L, Lai GW, Lau J, Lam DS. Retinal nerve fiber layer imaging with spectral-domain optical coherence tomography: pattern of RNFL defects in glaucoma. Ophthalmology. 2010 Dec;117(12):2337-44. doi: 10.1016/j.ophtha.2010.04.002. Epub 2010 Aug 3.
- Leung CK, Yu M, Weinreb RN, Lai G, Xu G, Lam DS. Retinal nerve fiber layer imaging with spectral-domain optical coherence tomography: patterns of retinal nerve fiber layer progression. Ophthalmology. 2012 Sep;119(9):1858-66. doi: 10.1016/j.ophtha.2012.03.044. Epub 2012 Jun 5.
- Xu G, Weinreb RN, Leung CKS. Retinal nerve fiber layer progression in glaucoma: a comparison between retinal nerve fiber layer thickness and retardance. Ophthalmology. 2013 Dec;120(12):2493-2500. doi: 10.1016/j.ophtha.2013.07.027. Epub 2013 Sep 17.
- Xu G, Weinreb RN, Leung CK. Optic nerve head deformation in glaucoma: the temporal relationship between optic nerve head surface depression and retinal nerve fiber layer thinning. Ophthalmology. 2014 Dec;121(12):2362-70. doi: 10.1016/j.ophtha.2014.06.035. Epub 2014 Aug 6.
- Oddone F, Lucenteforte E, Michelessi M, Rizzo S, Donati S, Parravano M, Virgili G. Macular versus Retinal Nerve Fiber Layer Parameters for Diagnosing Manifest Glaucoma: A Systematic Review of Diagnostic Accuracy Studies. Ophthalmology. 2016 May;123(5):939-49. doi: 10.1016/j.ophtha.2015.12.041. Epub 2016 Feb 15.
- Biswas S, Lin C, Leung CK. Evaluation of a Myopic Normative Database for Analysis of Retinal Nerve Fiber Layer Thickness. JAMA Ophthalmol. 2016 Sep 1;134(9):1032-9. doi: 10.1001/jamaophthalmol.2016.2343. Erratum In: JAMA Ophthalmol. 2016 Nov 1;134(11):1336.
- Leung CK, Mohamed S, Leung KS, Cheung CY, Chan SL, Cheng DK, Lee AK, Leung GY, Rao SK, Lam DS. Retinal nerve fiber layer measurements in myopia: An optical coherence tomography study. Invest Ophthalmol Vis Sci. 2006 Dec;47(12):5171-6. doi: 10.1167/iovs.06-0545.
- Leung CKS, Lam AKN, Weinreb RN, Garway-Heath DF, Yu M, Guo PY, Chiu VSM, Wan KHN, Wong M, Wu KZ, Cheung CYL, Lin C, Chan CKM, Chan NCY, Kam KW, Lai GWK. Diagnostic assessment of glaucoma and non-glaucomatous optic neuropathies via optical texture analysis of the retinal nerve fibre layer. Nat Biomed Eng. 2022 May;6(5):593-604. doi: 10.1038/s41551-021-00813-x. Epub 2022 Jan 6.
- Zheng F, Yu M, Leung CK. Diagnostic criteria for detection of retinal nerve fibre layer thickness and neuroretinal rim width abnormalities in glaucoma. Br J Ophthalmol. 2020 Feb;104(2):270-275. doi: 10.1136/bjophthalmol-2018-313581. Epub 2019 May 30.
- Lin D, Xiong J, Liu C, Zhao L, Li Z, Yu S, Wu X, Ge Z, Hu X, Wang B, Fu M, Zhao X, Wang X, Zhu Y, Chen C, Li T, Li Y, Wei W, Zhao M, Li J, Xu F, Ding L, Tan G, Xiang Y, Hu Y, Zhang P, Han Y, Li JO, Wei L, Zhu P, Liu Y, Chen W, Ting DSW, Wong TY, Chen Y, Lin H. Application of Comprehensive Artificial intelligence Retinal Expert (CARE) system: a national real-world evidence study. Lancet Digit Health. 2021 Aug;3(8):e486-e495. doi: 10.1016/S2589-7500(21)00086-8.
- Liu H, Li L, Wormstone IM, Qiao C, Zhang C, Liu P, Li S, Wang H, Mou D, Pang R, Yang D, Zangwill LM, Moghimi S, Hou H, Bowd C, Jiang L, Chen Y, Hu M, Xu Y, Kang H, Ji X, Chang R, Tham C, Cheung C, Ting DSW, Wong TY, Wang Z, Weinreb RN, Xu M, Wang N. Development and Validation of a Deep Learning System to Detect Glaucomatous Optic Neuropathy Using Fundus Photographs. JAMA Ophthalmol. 2019 Dec 1;137(12):1353-1360. doi: 10.1001/jamaophthalmol.2019.3501. Erratum In: JAMA Ophthalmol. 2019 Dec 1;137(12):1468.
- Hou HW, Lin C, Leung CK. Integrating Macular Ganglion Cell Inner Plexiform Layer and Parapapillary Retinal Nerve Fiber Layer Measurements to Detect Glaucoma Progression. Ophthalmology. 2018 Jun;125(6):822-831. doi: 10.1016/j.ophtha.2017.12.027. Epub 2018 Feb 9.
- Wu K, Lin C, Lam AK, Chan L, Leung CK. Wide-field Trend-based Progression Analysis of Combined Retinal Nerve Fiber Layer and Ganglion Cell Inner Plexiform Layer Thickness: A New Paradigm to Improve Glaucoma Progression Detection. Ophthalmology. 2020 Oct;127(10):1322-1330. doi: 10.1016/j.ophtha.2020.03.019. Epub 2020 Mar 29.
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)
2023년 8월 26일
기본 완료 (추정된)
2024년 8월 25일
연구 완료 (추정된)
2025년 2월 25일
연구 등록 날짜
최초 제출
2023년 8월 21일
QC 기준을 충족하는 최초 제출
2023년 8월 21일
처음 게시됨 (실제)
2023년 8월 25일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2023년 9월 21일
QC 기준을 충족하는 마지막 업데이트 제출
2023년 9월 19일
마지막으로 확인됨
2023년 9월 1일
추가 정보
이 연구와 관련된 용어
기타 연구 ID 번호
- H012_Protocol_Glaucoma
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
아니요
약물 및 장치 정보, 연구 문서
미국 FDA 규제 의약품 연구
아니
미국 FDA 규제 기기 제품 연구
아니
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. .