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

Het voorspellen van het risico op diabetische neurodegeneratieve aandoeningen door middel van kunstmatige intelligentie op basis van retinale beeldvorming

11 maart 2025 bijgewerkt door: Querques Giuseppe, Ospedale San Raffaele

Het voorspellen van het risico op diabetische neurodegeneratieve aandoeningen door middel van kunstmatige intelligentie op basis van retinale beeldvorming -DINEURET (PNRR-MCNT2-2023-12378367)

Diabetische retinopathie (DR) is de meest voorkomende complicatie van diabetes, en de aanwezigheid en ernst ervan houden verband met het optreden van zowel micro- als macrovasculaire voorvallen.

Risicoprofielen zijn voorgesteld als een belangrijke richting voor onderzoek naar diabetes, gebaseerd op niet-invasieve evaluaties van retinale beeldvorming. Er is veelbelovend bewijs dat kunstmatige intelligentie (AI) op basis van fundusfoto's klinische meetgegevens en systemische aandoeningen kan detecteren die onzichtbaar zijn voor deskundige menselijke waarnemers. Met name deep-learning (DL) convolutionele neurale netwerken (CNN's), ontwikkeld voor retinale foto's, hebben superieure prestaties laten zien bij de detectie van DR in vergelijking met menselijke beoordeling.

Er is melding gemaakt van de relatie tussen retinale vasculaire afwijkingen en neurovasculaire complicaties van diabetes. Het netvlies is een venster naar het lichaam dat een niet-invasieve observatie van microvasculaire en neurale weefsels mogelijk maakt. In de klinische praktijk zijn er echter geen gerapporteerde fenotypische indicatoren of betrouwbare onderzoeken om patiënten met type 2-diabetes (T2D) met neurodegeneratieve/cognitieve stoornissen te identificeren. De aanwezigheid van cognitieve stoornissen is een zeer frequente complicatie bij diabetespatiënten, gerapporteerd door tot 60% van de diabetici, vergeleken met slechts 11% bij de niet-diabetici (OR van 8,78).

Bovendien is AI op basis van beeldvorming van het netvlies nog nooit eerder toegepast om het begin en de verslechtering van neurodegeneratieve/cognitieve stoornissen van T2D in een realistische omgeving te voorspellen.

Het doel van dit project is om betrouwbare AI-hulpmiddelen te ontwikkelen voor het voorspellen van het risico op het ontwikkelen en verergeren van neurodegeneratieve/cognitieve diabetische stoornissen op basis van retinale beelden in de T2D-populatie. Voor de ontwikkeling en validatie van deze hulpmiddelen zullen T2D-patiënten worden ingeschreven vanuit vier gerenommeerde Italiaanse centra.

Het voorstel van deze studie is gericht op gezondheidszorgsystemen, om hun bewustzijn over diabetische neurodegeneratieve/cognitieve complicaties te verbeteren en de daarmee samenhangende economische last te verminderen. Omdat de overgrote meerderheid van deze aandoeningen nog steeds niet gediagnosticeerd is, zal DINEURET nieuwe kosteneffectieve screeningstrategieën bieden om deze patiënten te identificeren.

Er zullen 4 centra bij betrokken zijn:

  • 75 patiënten zullen worden opgenomen in het IRCCS Ospedale San Raffaele, Milaan;
  • 75 patiënten zullen worden opgenomen in het IRCCS MultiMedica, Milaan;
  • 50 patiënten zullen worden opgenomen in het Ospedale Della Murgia "Fabio Perinei", Altamura;
  • 50 patiënten zullen worden opgenomen in de Azienda Ospedaliero-Universitaria (AOUI) van Cagliari, Cagliari.

Studie Overzicht

Toestand

Werving

Interventie / Behandeling

Studietype

Observationeel

Inschrijving (Geschat)

250

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 Contact Back-up

Studie Locaties

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

NVT

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

Man of vrouw >45 jaar oud met diabetes type 2.

Beschrijving

Inclusiecriteria:

  1. Man of vrouw > 45 jaar;
  2. Diagnose van type 2 DM;
  3. Geen eerdere behandeling voor diabetische retinopathie;
  4. Heldere oculaire media;
  5. Vermogen om goed met de onderzoeker te communiceren en de vereisten van het onderzoek te begrijpen en na te leven;
  6. Mogelijkheid om schriftelijke geïnformeerde toestemming te geven in overeenstemming met institutionele, lokale en nationale regelgevingsrichtlijnen en om alle studiebezoeken bij te wonen

Uitsluitingscriteria:

  1. Patiënten die getroffen zijn door een andere netvliesziekte dan diabetische retinopathie;
  2. Aanwezigheid van diabetisch macula-oedeem;
  3. Aanwezigheid van proliferatieve diabetische retinopathie;
  4. Eventuele media-opaciteiten, inclusief troebelheid van het hoornvlies, cataractvorming en bloeding in het glasachtig lichaam, die het zicht door de laserchirurg van de doelstructuren in het/de onderzoeksogen kunnen belemmeren. Patiënten die in de komende twaalf maanden een cataractoperatie nodig hebben, moeten worden uitgesloten;
  5. Afakisch oog (ogen) met glasvocht in de voorste oogkamer;
  6. Neovasculair glaucoom;
  7. Glaucoom veroorzaakt door aangeboren hoekafwijkingen;
  8. Open hoek van minder dan 90° of uitgebreide perifere anterieure en lage synechia, aanwezig rondom de hoek;
  9. Glaucoom secundair aan actieve uveïtis;
  10. Elke andere oogaandoening die zich in de onderzoeksperiode zou ontwikkelen en de beoordeling van de gezichtsscherpte zou verwarren als onderdeel van diabetische retinopathie;
  11. Aanwezigheid van idiopathische of auto-immuungeassocieerde uveïtis;
  12. Elk oculair of systemisch medicijn waarvan bekend is dat het giftig is voor de lens, het netvlies of de oogzenuw;
  13. Elke intra-oculaire operatie aan een in aanmerking komend oog binnen drie maanden voorafgaand aan deelname aan het onderzoek;
  14. Elke eerdere thermische laser in de macula of intravitreale injecties of panfotocoagulatie;
  15. Geschiedenis van vitrectomie, filterchirurgie, hoornvliestransplantatie of netvliesloslating;
  16. Eerdere therapeutische straling in het ooggebied van beide ogen;
  17. Deelname aan een onderzoek naar geneesmiddelen, biologische geneesmiddelen of apparaten binnen 6 maanden voorafgaand aan de basislijn [Opmerking: observationele klinische onderzoeken waarbij uitsluitend vrij verkrijgbare vitamines, supplementen of diëten betrokken zijn, zijn niet uitsluitend];
  18. Heeft een ernstige medische ziekte die de proefpersoon verhindert onderzoeksactiviteiten uit te voeren (waaronder hart-, lever-, nier-, ademhalings-, endocrinologische, neurologische of hematologische ziekte) of, naar het oordeel van de onderzoeker, waarschijnlijk een chirurgische ingreep of ziekenhuisopname vereist elk moment tijdens de studie;
  19. Naar de mening van de onderzoeker is het onwaarschijnlijk dat het onderzoeksprotocol zal worden nageleefd.

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
Nauwkeurigheid van op AI gebaseerd model
Tijdsspanne: 30 augustus 2026
Om de nauwkeurigheid (gevoeligheid en specificiteit) van het op AI gebaseerde model te evalueren bij de voorspelling van een verslechtering van neurodegeneratieve/cognitieve stoornissen (gedefinieerd als een afname van> 2 punten op de Montreal Cognitive Assessment-schaal) op basis van de retinale beeldvorming verkregen bij de basislijn.
30 augustus 2026

Secundaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Betrouwbaarheid en reproduceerbaarheid van het op AI gebaseerde model Het karakteriseren van klinische fenotypes binnen T2D op basis van het risico op het ontwikkelen en verergeren van cognitieve achteruitgang.
Tijdsspanne: 30 augustus 2026
Om de betrouwbaarheid en reproduceerbaarheid van het op AI gebaseerde model te beoordelen op verschillende submonsters (patiënten met verschillende gradaties van neurocognitieve stoornissen).
30 augustus 2026
Klinische fenotypen van T2D-patiënten
Tijdsspanne: 30 augustus 2026
Het selecteren van klinische fenotypes van T2D-patiënten op basis van retinale beeldvorming die worden gekenmerkt door een hoger risico op het ontwikkelen en verergeren van cognitieve achteruitgang.
30 augustus 2026

Medewerkers en onderzoekers

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

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)

30 augustus 2024

Primaire voltooiing (Geschat)

1 april 2026

Studie voltooiing (Geschat)

30 augustus 2026

Studieregistratiedata

Eerst ingediend

26 juli 2024

Eerst ingediend dat voldeed aan de QC-criteria

2 augustus 2024

Eerst geplaatst (Werkelijk)

7 augustus 2024

Updates van studierecords

Laatste update geplaatst (Werkelijk)

25 maart 2025

Laatste update ingediend die voldeed aan QC-criteria

11 maart 2025

Laatst geverifieerd

1 maart 2025

Meer informatie

Termen gerelateerd aan deze studie

Plan Individuele Deelnemersgegevens (IPD)

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

ONBESLIST

Informatie over medicijnen en apparaten, studiedocumenten

Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel

Nee

Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct

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 .

Abonneren