Deze pagina is automatisch vertaald en de nauwkeurigheid van de vertaling kan niet worden gegarandeerd. Raadpleeg de Engelse versie voor een brontekst.

Ontwikkeling van een diepgaand leersysteem voor identificatie van neuro-oftalmologische aandoeningen op kleurenfundusfoto's op de afdeling spoedeisende hulp (DEEP-VISION)

14 oktober 2024 bijgewerkt door: Fondation Ophtalmologique Adolphe de Rothschild

De afgelopen jaren is kunstmatige intelligentie (AI) op grote schaal geïntegreerd in de medische sector, wat met name heeft bijgedragen tot een betere diagnose van patiënten. De BONSAI-studie, Brain and Optic Nerve Study with AI, waaraan ons team deelneemt, heeft met succes het vermogen van AI aangetoond om individuele neuro-oftalmologische of neurologische pathologieën die de oogzenuwen en/of hersenen aantasten, te identificeren op basis van een eenvoudig fundusbeeld.

Hoewel dit een veelbelovende vooruitgang is, blijft deze in de huidige klinische praktijk beperkt. Onze grootste uitdaging is om in dezelfde analyse een breder scala aan oogzenuw- en/of hersenpathologieën tegelijkertijd te kunnen identificeren, om zo het patiëntenbeheer te verbeteren, vooral voor degenen die naar de spoedeisende hulp worden verwezen. Bij gebrek aan een nauwkeurige diagnose kunnen complicaties onomkeerbaar en levensbedreigend zijn.

Een van de meest alarmerende klinische symptomen op de afdeling spoedeisende hulp is papiloedeem van stasis, dat, vergezeld van acute hoofdpijn, kan duiden op de aanwezigheid van intracraniale hypertensie, inflammatoire of ischemische pathologie. Dit laatste kan een manifestatie zijn van de ziekte van Horton. Ons team heeft een AI-algoritme ontwikkeld om afwijkingen aan het netvlies en de oogzenuw te diagnosticeren op basis van retinofoto’s gemaakt onder ideale omstandigheden tijdens geplande consultaties, en niet op beelden van patiënten die zich presenteren op de afdeling spoedeisende hulp. In ziekenhuizen zonder oogheelkundige spoedeisende hulp is het van essentieel belang dat spoedartsen (spoedeisende hulpartsen, huisartsen, neurologen) de fundus kunnen beoordelen bij afwezigheid van een oogarts. Hoewel deze beoordeling deel uitmaakt van het algemene onderzoek, levert dit vaak uitdagingen op voor niet-oogartsen. Het doel van onze studie is om de prestaties van ons AI-algoritme te verbeteren, zodat het onderscheid kan maken tussen verschillende netvlies- en oogzenuwpathologieën op de afdeling spoedeisende hulp. We zijn daarom van plan een database met fundusbeelden op te bouwen door prospectief patiënten op te nemen die zich presenteren op de spoedeisende hulpafdelingen voor oogheelkunde en neurologie van het Fondation Adolphe de Rothschild Hospital. De prestaties van het ontwikkelde algoritme zullen worden geëvalueerd volgens standaardcriteria van gevoeligheid, specificiteit, oppervlakte onder de curve (AUC) en nauwkeurigheid.

Studie Overzicht

Toestand

Werving

Conditie

Studietype

Observationeel

Inschrijving (Geschat)

1000

Contacten en locaties

In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.

Studiecontact

Studie Locaties

      • Paris, Frankrijk, 75019
        • Werving
        • Hôpital Fondation Adolphe de Rothschild
        • Contact:

Deelname Criteria

Onderzoekers zoeken naar mensen die aan een bepaalde beschrijving voldoen, de zogenaamde geschiktheidscriteria. Enkele voorbeelden van deze criteria zijn iemands algemene gezondheidstoestand of eerdere behandelingen.

Geschiktheidscriteria

Leeftijden die in aanmerking komen voor studie

  • Volwassen
  • Oudere volwassene

Accepteert gezonde vrijwilligers

Ja

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

Volwassen patiënten die zich melden op de afdeling spoedeisende hulp van het ziekenhuis Fondation Adolphe de Rothschild zonder tekenen van infectie en/of oogallergie (loopoog, rode ogen).

Beschrijving

Inclusiecriteria:

  • Patiënt van 18 jaar en ouder
  • Presentatie op de afdeling spoedeisende hulp van het ziekenhuis Fondation Adolphe de Rothschild
  • Uitdrukkelijke toestemming om deel te nemen aan het onderzoek
  • Lid of begunstigde van een socialezekerheidsstelsel

Uitsluitingscriteria:

  • Patiënt onder wettelijke bescherming
  • Zwangere vrouwen of vrouwen die borstvoeding geven

Studie plan

Dit gedeelte bevat details van het studieplan, inclusief hoe de studie is opgezet en wat de studie meet.

Hoe is de studie opgezet?

Ontwerpdetails

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Aandeel correcte voorspellingen onder alle positieve voorspellingen van alle totale voorspellingen van het algoritme (positief + negatief)
Tijdsspanne: Dag 30
De gouden standaard zal de diagnose zijn die wordt gesteld door een senior oogarts op basis van de medische dossiers van de patiënt die na het spoedbezoek bij D30 worden geraadpleegd.
Dag 30

Secundaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Gevoeligheid van het algoritme voor elke oogziekte
Tijdsspanne: Dag 30
De gouden standaard zal de diagnose zijn die wordt gesteld door een senior oogarts op basis van de medische dossiers van de patiënt die na het spoedbezoek bij D30 worden geraadpleegd.
Dag 30
Specificiteit van het algoritme voor elke oogziekte
Tijdsspanne: Dag 30
De gouden standaard zal de diagnose zijn die wordt gesteld door een senior oogarts op basis van de medische dossiers van de patiënt die na het spoedbezoek bij D30 worden geraadpleegd.
Dag 30
Area under the curve (AUC) voor elke oogziekte
Tijdsspanne: Dag 30
De gouden standaard zal de diagnose zijn die wordt gesteld door een senior oogarts op basis van de medische dossiers van de patiënt die na het spoedbezoek bij D30 worden geraadpleegd.
Dag 30

Medewerkers en onderzoekers

Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.

Sponsor

Studie record data

Deze datums volgen de voortgang van het onderzoeksdossier en de samenvatting van de ingediende resultaten bij ClinicalTrials.gov. Studieverslagen en gerapporteerde resultaten worden beoordeeld door de National Library of Medicine (NLM) om er zeker van te zijn dat ze voldoen aan specifieke kwaliteitscontrolenormen voordat ze op de openbare website worden geplaatst.

Bestudeer belangrijke data

Studie start (Werkelijk)

9 september 2024

Primaire voltooiing (Geschat)

1 oktober 2027

Studie voltooiing (Geschat)

1 oktober 2027

Studieregistratiedata

Eerst ingediend

9 augustus 2024

Eerst ingediend dat voldeed aan de QC-criteria

14 oktober 2024

Eerst geplaatst (Werkelijk)

16 oktober 2024

Updates van studierecords

Laatste update geplaatst (Werkelijk)

16 oktober 2024

Laatste update ingediend die voldeed aan QC-criteria

14 oktober 2024

Laatst geverifieerd

1 oktober 2024

Meer informatie

Termen gerelateerd aan deze studie

Aanvullende relevante MeSH-voorwaarden

Andere studie-ID-nummers

  • DMA_2024_6

Plan Individuele Deelnemersgegevens (IPD)

Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?

NEE

Informatie over medicijnen en apparaten, studiedocumenten

Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel

Nee

Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct

Nee

product vervaardigd in en geëxporteerd uit de V.S.

Nee

Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .