Ontwikkeling en validatie van een op deep learning gebaseerd detectie- en voorspellingssysteem voor myopie en myopische maculopathie
Studie Overzicht
Toestand
Gedetailleerde beschrijving
Bijziendheid is een wereldwijd probleem voor de volksgezondheid geworden. Bijziendheid beïnvloedt de psychologische gezondheid van kinderen en adolescenten en vormt een financiële last. Bovendien verhoogt bijziendheid naarmate de myopie voortschrijdt het risico op oculaire complicaties zoals bijziende maculaire degeneratie, wat leidt tot onomkeerbare visusstoornissen of zelfs blindheid. Volgens de Wereldgezondheidsorganisatie leven meer dan 1 miljard mensen wereldwijd met visusstoornissen veroorzaakt door bijziendheid, verziendheid en andere problemen als gevolg van late detectie. Daarom zijn vroege detectie en voorspelling van kinderen met een hoog risico op ontwikkeling en progressie van bijziendheid van cruciaal belang voor nauwkeurige en effectieve interventies.
In deze studie ontwikkelden we een deep learning-systeem DeepMyopia, gebaseerd op fundusbeelden met de volgende doelstellingen: 1) het voorspellen van het begin en de progressie van myopie; 2) Om bijziende maculaire degeneratie te detecteren voor AI-geassisteerde diagnose; 3) Om de ontwikkeling van bijziende maculaire degeneratie te voorspellen; 4) evalueer de kosteneffectiviteit ervan.
Studietype
Inschrijving (Werkelijk)
Contacten en locaties
Studie Locaties
-
-
Shanghai
-
Shanghai, Shanghai, China, 200041
- Shanghai Eye Disease Prevention and Treatment Center
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
- Kind
- Volwassen
Accepteert gezonde vrijwilligers
Bemonsteringsmethode
Studie Bevolking
De SCALE, een prospectief, schoolgebaseerd onderzoek, omvat alle kinderen van 4 tot 14 jaar in Shanghai.
De SCALE-HM, een op de bevolking gebaseerd, prospectief, onderzoeker-gemaskeerd onderzoek, omvat kinderen en adolescenten tussen 4 en 18 jaar met hoge bijziendheid.
De STORM-studie, een schoolgebaseerde, prospectieve, door de onderzoeker gemaskeerde, cluster-gerandomiseerde studie, omvat kinderen van 6 tot 9 jaar.
De SMS-studie is een cross-sectioneel onderzoek op scholen uit Shanghai, onder leerlingen van de kleuterschool en de basisschool in jaar 1 en 2.
De Beijing Children Eye-studie omvatte kinderen die naar de polikliniek van het Beijing Friendship Hospital kwamen.
De JFFT-studie bevat transversale gegevens uit Shanghai, Yunnan, Binnen-Mongolië, Xinjiang en Guangzhou.
De Hong Kong Children Eye Study is een populatie-gebaseerd cohortonderzoek naar oogaandoeningen bij kinderen van 6-8 jaar.
Beschrijving
Inclusiecriteria:
- Proefpersonen met fundusbeelden in de Shanghai Child and Adolescent Large-scale Eye Study (SCALE);
- Proefpersonen met fundusbeelden in de Shanghai Time Outside to Reduce Myopia [STORM]-studie;
- Proefpersonen met fundusbeelden in de High Myopia Registration Study [SCALE-HM]
- Proefpersonen met fundusbeelden in de Shanghai Myopia Screening (SMS) Study;
- Proefpersonen met fundusbeelden in de Beijing Children Eye Study
- Proefpersonen met fundusbeelden in het First Affiliated Hospital van Kunming Medical University;
- Proefpersonen met fundusbeelden op de afdeling Oogheelkunde van het First Affiliated Hospital van Xinjiang Medical University;
- Onderwerpen met fundusbeelden op de afdeling Oogheelkunde van het aangesloten ziekenhuis van de medische universiteit van Inner Mongolia;
- Proefpersonen met fundusbeelden bij Zhongshan Eye Centre, Sun Yat-sen University;
- Proefpersonen met fundusbeelden in de Hong Kong Children Eye Study;
Uitsluitingscriteria:
- Deelnemers met fundusbeelden van slechte kwaliteit
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
Cohorten en interventies
Groep / Cohort |
Interventie / Behandeling |
|---|---|
|
De trainingsdataset
De trainingsgegevensset bestond uit gegevens van een prospectief cohort op school (de Shanghai Time Outside to Reduce Myopia [STORM]-studie) en gegevens van een ander prospectief bevolkingsonderzoek, de High Myopia Registration Study (SCALE-HM), met jaarlijkse opvolging.
Deelnemers aan de twee onderzoeken werden verdeeld in een trainingsset (70%), een afstemmingsset (10%) en een interne testset (20%), die op deelnemersniveau niet door elkaar werden gedupliceerd.
|
Dit deep learning-systeem is in staat fundusbeelden te analyseren voor stadiëring van myopie, detectie van myopische maculopathie, schatting en voorspelling van cycloplegische refractie, en risicostratificatie van het begin van myopie en myopische maculopathie.
|
|
De interne validatiedataset
De interne validatiedataset bestond uit gegevens van een op school gebaseerd, prospectief cohort (de Shanghai Time Outside to Reduce Myopia [STORM]-studie) en gegevens van een andere populatiegebaseerde, prospectieve studie, de High Myopia Registration Study (SCALE-HM) , met jaarlijkse opvolging.
Deelnemers aan de twee onderzoeken werden verdeeld in een trainingsset (70%), een afstemmingsset (10%) en een interne testset (20%), die op deelnemersniveau niet door elkaar werden gedupliceerd.
|
Dit deep learning-systeem is in staat fundusbeelden te analyseren voor stadiëring van myopie, detectie van myopische maculopathie, schatting en voorspelling van cycloplegische refractie, en risicostratificatie van het begin van myopie en myopische maculopathie.
|
|
De externe validatiegegevensset
Om de extrapolatiemogelijkheden van het deep learning-systeem te testen, werden twee onafhankelijke datasets, de Joint Five-site Fundus Test (JFFT) en de Hong Kong Children Eye Study (HKCES), toegepast als externe testsets.
De JFFT-studie, een dataset met meerdere locaties, bevat transversale gegevens uit Shanghai, Yunnan, Binnen-Mongolië, Xinjiang en Guangzhou.
HKCES, een populatie-gebaseerd cohortonderzoek naar oogaandoeningen bij kinderen van 6-8 jaar.
|
Dit deep learning-systeem is in staat fundusbeelden te analyseren voor stadiëring van myopie, detectie van myopische maculopathie, schatting en voorspelling van cycloplegische refractie, en risicostratificatie van het begin van myopie en myopische maculopathie.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
myopie staging detectie mogelijkheid score
Tijdsspanne: direct na het invoeren van de gegevens
|
uitvoer van myopie-ensceneringstaak
|
direct na het invoeren van de gegevens
|
|
myope maculopathie detectie mogelijkheid score
Tijdsspanne: direct na het invoeren van de gegevens
|
uitvoer van myopische maculopathiedetectietaak
|
direct na het invoeren van de gegevens
|
|
voorspelde sferische equivalent
Tijdsspanne: direct na het invoeren van de gegevens
|
output van het beoordelen van sferische equivalente taak
|
direct na het invoeren van de gegevens
|
|
voorspeld toekomstig jaarlijks bolvormig equivalent
Tijdsspanne: direct na het invoeren van de gegevens
|
output van het voorspellen van toekomstige sferische equivalente taak
|
direct na het invoeren van de gegevens
|
|
risicoscore van myopie en progressie van myopische maculopathie
Tijdsspanne: direct na het invoeren van de gegevens
|
output van de progressie van myopie en myopische maculopathie voorspellingstaak
|
direct na het invoeren van de gegevens
|
Medewerkers en onderzoekers
Medewerkers
Studie record data
Bestudeer belangrijke data
Studie start (Werkelijk)
Primaire voltooiing (Werkelijk)
Studie voltooiing (Werkelijk)
Studieregistratiedata
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Werkelijk)
Updates van studierecords
Laatste update geplaatst (Werkelijk)
Laatste update ingediend die voldeed aan QC-criteria
Laatst geverifieerd
Meer informatie
Termen gerelateerd aan deze studie
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- 2022SQ023
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
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 .