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

Oftalmische multimodale AI-ondersteunde medische besluitvorming

16 april 2025 bijgewerkt door: Kang Zhang, The Eye Hospital of Wenzhou Medical University

Een onderzoek naar oogheelkundige multimodale AI-ondersteunde medische besluitvorming op basis van beeldvorming en elektronische medische dossiergegevens

Dit is een retrospectief klinisch onderzoek in meerdere centra, ontworpen om de toepassing en effectiviteit van een AI-ondersteund medisch beslissingsondersteuningssysteem, waarbij gebruik wordt gemaakt van multimodale datafusie, in de oogheelkundige klinische praktijk te evalueren.

Studie Overzicht

Toestand

Werving

Conditie

Interventie / Behandeling

Gedetailleerde beschrijving

Visuele beperkingen hebben een aanzienlijke invloed op de kwaliteit van leven van een individu. Vroegtijdige screening, diagnose en behandeling van oogziekten zijn van cruciaal belang voor het voorkomen van het ontstaan ​​en de progressie van gezichtsstoornissen. In de klinische praktijk moeten oogartsen vaak een breed scala aan patiëntgegevens integreren, waaronder demografische informatie, medische geschiedenis, biochemische markers zoals bloedglucose- en lipidenniveaus, risicofactoren, evenals verschillende oogheelkundige gegevens, zoals fundusbeelden en OCT-scans. en gezichtsveldtesten, om een ​​nauwkeurige diagnose te stellen en een passend behandelplan te ontwikkelen. In een tijdperk waarin precisie en gepersonaliseerde geneeskunde voorop staan ​​in de gezondheidszorg, zijn de vroege detectie en diagnose van oogziekten, evenals de selectie van geschikte diagnostische en therapeutische strategieën in verschillende stadia van de ziekte, belangrijke uitdagingen geworden in klinische omgevingen. Recente ontwikkelingen op het gebied van medische beeldvorming en analysetechnieken hebben de nauwkeurigheid en effectiviteit van de diagnose van oogziekten aanzienlijk verbeterd. Deze studie heeft tot doel een door oogheelkundige kunstmatige intelligentie ondersteund besluitvormingssysteem te ontwikkelen door multimodale gegevens uit beeldvorming en elektronische medische dossiers te integreren, in combinatie met deep learning-technieken. Het doel is om de diagnostische nauwkeurigheid te verbeteren, klinische workflows te stroomlijnen en meer gepersonaliseerde behandelingsopties voor patiënten te bieden. Uiteindelijk streeft dit systeem ernaar de behandelingsresultaten te verbeteren en de algehele kwaliteit van leven te verbeteren voor patiënten die lijden aan oogziekten.

Studietype

Observationeel

Inschrijving (Geschat)

5000000

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

  • China
    • Guangdong
      • Zhuhai, Guangdong, China
        • Werving
        • ZhuHai Hospital, zhuhai, guangdong
        • Contact:
    • Zhejiang
      • Wenzhou, Zhejiang, China
        • Werving
        • First Affiliated Hospital of Wenzhou Medical University
        • Contact:
      • Wenzhou, Zhejiang, China
        • Werving
        • Second Affiliated Hospital of Wenzhou Medical Universit
        • Contact:
      • Wenzhou, Zhejiang, China
        • Werving
        • The Eye Hospital of Wenzhou Medical University
        • Contact:
  • Macau
      • Macau, Macau
        • Werving
        • Macau University of Science and Technology Hospital
        • 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

  • Kind
  • Volwassen
  • Oudere volwassene

Accepteert gezonde vrijwilligers

Nee

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

Alle patiënten die een behandeling hebben ondergaan in meerdere centra, waaronder het oogziekenhuis van de Wenzhou Medical University, het First Affiliated Hospital van de Wenzhou Medical University, het Second Affiliated Hospital van de Wenzhou Medical University, het ZhuHai Hospital en het Macau University of Science and Technology Hospital.

Beschrijving

Inclusiecriteria:

1. Alle patiënten die een behandeling hebben ondergaan in meerdere centra, waaronder het Eye Hospital van de Wenzhou Medical University, het First Affiliated Hospital van de Wenzhou Medical University, het Second Affiliated Hospital van de Wenzhou Medical University, het ZhuHai Hospital en het Macau University of Science and Technology Hospital.

2. Beschikbaarheid van uitgebreide elektronische medische dossiers (EPD), waaronder: oogheelkundige beelden (bijv. fundusfotografie, OCT of spleetlampbeelden). Elektronische medische dossiers (bijvoorbeeld diagnose, behandeling en vervolgaantekeningen). Onderzoeksresultaten (bijvoorbeeld gezichtsscherpte, intraoculaire druk of laboratoriumtests). 3.Patiënten met een duidelijke en bevestigde diagnose van een of meer oogziekten. 4. Patiënten met voldoende follow-upgegevens om de voortgang of prognose van de ziekte te kunnen beoordelen, indien van toepassing.

  1. Alle oogheelkundige patiënten die eerder zijn behandeld bij de afdeling Oogheelkunde, het Oogziekenhuis van de Wenzhou Medische Universiteit, het Eerste Aangesloten Ziekenhuis van de Wenzhou Medische Universiteit, het Tweede Aangesloten Ziekenhuis van de Wenzhou Medische Universiteit, het Zhuhai Volksziekenhuis en het Universitair Ziekenhuis.
  2. Beschikbaarheid van uitgebreide elektronische medische dossiers (EPD), waaronder: Oftalmische beelden (bijvoorbeeld fundusfotografie, OCT of spleetlampbeelden). Elektronische medische dossiers (bijvoorbeeld diagnose, behandeling en vervolgaantekeningen). Onderzoeksresultaten (bijvoorbeeld gezichtsscherpte, intraoculaire druk of laboratoriumtests).
  3. Patiënten met een duidelijke en bevestigde diagnose van één of meerdere oogziekten.
  4. Patiënten met voldoende follow-upgegevens om de voortgang of prognose van de ziekte te kunnen beoordelen, indien van toepassing.

Uitsluitingscriteria:

  1. Onvolledige of ontbrekende cruciale EPD-componenten.
  2. Gevallen met dubbelzinnige of niet-geverifieerde diagnoses die niet duidelijk kunnen worden gecategoriseerd.
  3. Gedupliceerde of redundante gegevens van dezelfde patiënt.

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

Cohorten en interventies

Groep / Cohort
Interventie / Behandeling
normaal
patiënten die geen oogziekten hebben
oogziekten
patiënten met oogziekten
Diagnostische toets: Diagnostische test: op AI gebaseerd diagnostisch en prognostisch model voor oogziekten
Deze interventie omvat een AI-systeem dat gebruik maakt van multimodale datafusie om de klinische besluitvorming en evaluatie van oogziekten te ondersteunen. Het integreert multimodale gegevens, waaronder fundusfotografie, optische coherentietomografie (OCT) en klinische dossiers van patiënten, om realtime, nauwkeurige en gepersonaliseerde diagnostische ondersteuning te bieden. In tegenstelling tot andere modellen maakt dit systeem gebruik van een longitudinale patiëntdataset om de progressie van de ziekte en de behandelresultaten te voorspellen. Belangrijke onderscheidende kenmerken zijn onder meer: ​​1. Multimodale gegevensintegratie: combineert beeldvormings-, klinische en genetische gegevens voor uitgebreide analyse. 2. Voorspellend vermogen: Biedt geavanceerde prognostische voorspellingen, waardoor gepersonaliseerde behandelplannen mogelijk worden. 3. Deep Learning Framework: maakt gebruik van geavanceerde deep learning-algoritmen voor verbeterde diagnostische nauwkeurigheid en efficiëntie. 4. Validatie in de echte wereld: gevalideerd met behulp van een groot cohort van diverse patiëntgegevens, waardoor generaliseerbaarheid en robuustheid worden gegarandeerd.

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Gebied onder de curve (AUC)
Tijdsspanne: 1 jaar
AUC van de ROC-curve, gebruikt om de diagnostische nauwkeurigheid te kwantificeren. Geen eenheid (een verhouding of percentage, meestal uitgedrukt als een getal tussen 0 en 1).
1 jaar
Gevoeligheid
Tijdsspanne: 1 jaar
Gevoeligheid (ook wel True Positive Rate genoemd) is een maatstaf voor hoe goed een model positieve gevallen identificeert. Het wordt gedefinieerd als het aandeel daadwerkelijke positieve gevallen dat correct door het model wordt geïdentificeerd. Geen eenheid (een verhouding of percentage, meestal uitgedrukt als een percentage).
1 jaar
Nauwkeurigheid Nauwkeurigheid Nauwkeurigheid
Tijdsspanne: 1 jaar
Nauwkeurigheid meet het aandeel van alle correcte voorspellingen (echte positieven en echte negatieven) in het totale aantal gevallen dat door het model wordt geëvalueerd. Geen eenheid (een verhouding of percentage, meestal uitgedrukt als een percentage).
1 jaar
Specificiteit
Tijdsspanne: 1 jaar
Specificiteit (ook wel True Negative Rate genoemd) meet het aandeel daadwerkelijke negatieve gevallen dat correct door het model is geïdentificeerd. Geen eenheid (een verhouding of percentage, meestal uitgedrukt als een percentage).
1 jaar
Vals-positief percentage
Tijdsspanne: 1 jaar
False Positive Rate (FPR) meet het percentage daadwerkelijke negatieve gevallen dat door het model ten onrechte als positief wordt geïdentificeerd. Geen eenheid (een verhouding of percentage, meestal uitgedrukt als een percentage).
1 jaar
Vals negatief tarief
Tijdsspanne: 1 jaar
False Negative Rate (FNR) meet het percentage feitelijk positieve gevallen dat door het model ten onrechte als negatief wordt geïdentificeerd. Geen eenheid (een verhouding of percentage, meestal uitgedrukt als een percentage).
1 jaar
Postoperatieve complicaties
Tijdsspanne: 1 jaar
Percentage (%) patiënten dat postoperatieve complicaties ervaart.
1 jaar
Herhalingsrisicopercentage
Tijdsspanne: 1 jaar
Percentage (%) patiënten dat een recidief ervaart tijdens de follow-upperiode.
1 jaar
Overlevingspercentage
Tijdsspanne: 1 jaar
Percentage (%) levende patiënten, berekend met behulp van Kaplan-Meier-overlevingscurven.
1 jaar
Effectiviteit van beslissingsondersteuning
Tijdsspanne: 1 jaar
Percentage (%) verbetering in de nauwkeurigheid van behandelbeslissingen met AI-hulp vergeleken met traditionele beslissingen.
1 jaar
Efficiëntie van beslissingstijd
Tijdsspanne: 1 jaar
Gemiddelde tijd (seconden) die artsen nodig hebben om diagnostische en behandelbeslissingen te nemen, voor en na AI-hulp.
1 jaar

Secundaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Systeembruikbaarheidsscore
Tijdsspanne: 1 jaar
Geëvalueerd met behulp van de System Usability Scale (SUS), met scores variërend van 0-100.
1 jaar
Reactietijd van het AI-systeem
Tijdsspanne: 1 jaar
Gemiddelde tijd (seconden) die de AI nodig heeft om aanbevelingen te doen na gegevensinvoer.
1 jaar
Systeemstoringspercentage
Tijdsspanne: 1 jaar
Frequentie van storingen in het AI-systeem, gemeten als storingen per duizend gebruiksuren (storingen/duizend uur).
1 jaar
Tevredenheid over het ontwerp van de gebruikersinterface
Tijdsspanne: 1 jaar
Geëvalueerd met behulp van de User Experience Questionnaire (UEQ), met scores variërend van 1-7.
1 jaar
Patiënttevredenheidsscore
Tijdsspanne: 1 jaar
Gemeten met behulp van de Patient Satisfaction Questionnaire (CSQ-8), met scores variërend van 8-32.
1 jaar
Therapietrouw
Tijdsspanne: 1 jaar
Percentage (%) patiënten dat zich houdt aan gepersonaliseerde behandelplannen en regelmatige vervolgbezoeken.
1 jaar
Artsacceptatie van AI-systeem
Tijdsspanne: 1 jaar
Geëvalueerd met behulp van de Technology Acceptance Model (TAM)-schaal, met scores variërend van 1-7.
1 jaar

Medewerkers en onderzoekers

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

Sponsor

The Eye Hospital of Wenzhou Medical University

Onderzoekers

  • Hoofdonderzoeker: Kang Zhang, PhD., The Eye Hospital of Wenzhou Medical University

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)

20 december 2024

Primaire voltooiing (Geschat)

1 mei 2025

Studie voltooiing (Geschat)

1 mei 2025

Studieregistratiedata

Eerst ingediend

15 december 2024

Eerst ingediend dat voldeed aan de QC-criteria

23 december 2024

Eerst geplaatst (Werkelijk)

1 januari 2025

Updates van studierecords

Laatste update geplaatst (Werkelijk)

17 april 2025

Laatste update ingediend die voldeed aan QC-criteria

16 april 2025

Laatst geverifieerd

1 april 2025

Meer informatie

Termen gerelateerd aan deze studie

Trefwoorden

Andere studie-ID-nummers

  • Ophthalmic Multimodal AI

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 .

Abonneren