Beoordeling van Hypertensieve Retinopathie met behulp van Convolutioneel Neuraal Netwerk "RetinAIcheck"
25 augustus 2026 bijgewerkt door: I.M. Sechenov First Moscow State Medical University
Beoordeling van hypertensieve retinopathie met behulp van de Keith Wagener Barker-classificatie, gebaseerd op het convolutioneel neuraal netwerk "RetinAIcheck"
De huidige studie is gericht op het schatten van de diagnostische effectiviteit van een ontwikkeld convolutioneel neuraal netwerk (CNN) "RetinAIcheck" bij het beoordelen van de ernst van hypertensieve retinopathie bij patiënten van de Russische bevolking.
De trainingsdataset is verkregen uit een open bron en opnieuw gelabeld door zeven onafhankelijke retina-specialisten, de steekproefgrootte was 30.000 fundusfoto's. De teststeekproef omvatte 729 patiënten (1401 ogen) met HR. De referentiestandaard was het resultaat van onafhankelijke beoordeling van het HR-stadium door twee oogartsen, controversiële klinische gevallen werden beoordeeld met de betrokkenheid van een derde oogarts.
Studie Overzicht
Toestand
Voltooid
Conditie
Interventie / Behandeling
Studietype
Observationeel
Inschrijving (Werkelijk)
755
Contacten en locaties
In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.
Studie Locaties
-
-
-
Moscow, Rusland
- University Clinical Hospital №1, Sechenov University
-
-
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
Kanssteekproef
Studie Bevolking
Het testmonster werd verzameld in de Cardiologie Kliniek van het Sechenov Universitair Klinisch Ziekenhuis № 1, bij het Onderzoeksinstituut voor Oogziekten genoemd naar M.M. Krasnov en in het Moskou Regionaal Klinisch Onderzoeksinstituut genoemd naar M.F. Vladimirsky (MONIKI).
Beschrijving
Inclusiecriteria:
De aanwezigheid van een diagnose van hypertensie in het elektronisch patiëntendossier van de patiënt.
Uitsluitingscriteria:
Aangeboren en verworven aandoeningen gepaard gaand met onomkeerbaar gezichtsverlies (anoftalmie, opticusatrofie, oogbolletsels), maculapathologie, zoals leeftijdsgebonden maculadegeneratie, centrale sereuze chorioretinopathie, centrale sereuze chorioretinitis, en vertroebeling van de optische media van het oog, die de beeldkwaliteit beïnvloedt.
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 |
|---|---|
|
Klasse 1 hypertensieve retinopathie
|
Een convolutioneel neuraal netwerk is een medisch beslissingsondersteuningssysteem dat digitale fundusfoto's verwerkt die tijdens mydriasis worden verkregen en de waarschijnlijkheid bepaalt van de aanwezigheid/afwezigheid van hypertensieve retinopathie en de gradatie ervan volgens de classificatie van Keith Wagener Barker.
|
|
Klasse 2 hypertensieve retinopathie
|
Een convolutioneel neuraal netwerk is een medisch beslissingsondersteuningssysteem dat digitale fundusfoto's verwerkt die tijdens mydriasis worden verkregen en de waarschijnlijkheid bepaalt van de aanwezigheid/afwezigheid van hypertensieve retinopathie en de gradatie ervan volgens de classificatie van Keith Wagener Barker.
|
|
Klasse 3 hypertensieve retinopathie
|
Een convolutioneel neuraal netwerk is een medisch beslissingsondersteuningssysteem dat digitale fundusfoto's verwerkt die tijdens mydriasis worden verkregen en de waarschijnlijkheid bepaalt van de aanwezigheid/afwezigheid van hypertensieve retinopathie en de gradatie ervan volgens de classificatie van Keith Wagener Barker.
|
|
Hypertensieve retinopathie klasse 3+4
|
Een convolutioneel neuraal netwerk is een medisch beslissingsondersteuningssysteem dat digitale fundusfoto's verwerkt die tijdens mydriasis worden verkregen en de waarschijnlijkheid bepaalt van de aanwezigheid/afwezigheid van hypertensieve retinopathie en de gradatie ervan volgens de classificatie van Keith Wagener Barker.
|
|
Klasse 0 zonder tekenen van hypertensieve retinopathie
|
Een convolutioneel neuraal netwerk is een medisch beslissingsondersteuningssysteem dat digitale fundusfoto's verwerkt die tijdens mydriasis worden verkregen en de waarschijnlijkheid bepaalt van de aanwezigheid/afwezigheid van hypertensieve retinopathie en de gradatie ervan volgens de classificatie van Keith Wagener Barker.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Nauwkeurigheid
Tijdsspanne: Het vermogen om de aan- of afwezigheid van een aandoening correct te identificeren
|
Het vermogen van een test om het aandeel van echt positieve gevallen correct te identificeren
|
Het vermogen om de aan- of afwezigheid van een aandoening correct te identificeren
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Sensitiviteit
Tijdsspanne: februari 2026
|
Het vermogen van een test om het aandeel van echte positieve gevallen correct te identificeren
|
februari 2026
|
|
Specificiteit
Tijdsspanne: februari 2026
|
Het vermogen van een test om het aandeel van de echte negatieve gevallen correct te identificeren
|
februari 2026
|
|
Positive predictive value
Tijdsspanne: February 2026
|
The probability that a person who tests positive for the condition actually has that one
|
February 2026
|
|
Negative predictive value
Tijdsspanne: February 2026
|
The probability that a person who tests negative for the condition truly does not have it
|
February 2026
|
|
AUROC, area under the ROC curve (one-versus-rest)
Tijdsspanne: February 2026
|
An average metric used to evaluate multi-class classification models by computing the Area Under the ROC Curve for each class separately against all other classes and then averaging the results
|
February 2026
|
|
Quadratically weighted kappa
Tijdsspanne: February 2026
|
A statistical measure that evaluates the level of agreement between two raters or outcomes on an ordinal scale, penalizing errors based on the squared distance between categories
|
February 2026
|
Medewerkers en onderzoekers
Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.
Onderzoekers
- Hoofdonderzoeker: Philipp Yu Kopylov, Prof., Sechenov First Moscow State Medical University (Sechenov University)
Publicaties en nuttige links
De persoon die verantwoordelijk is voor het invoeren van informatie over het onderzoek stelt deze publicaties vrijwillig ter beschikking. Dit kan gaan over alles wat met het onderzoek te maken heeft.
Nuttige links
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)
11 maart 2021
Primaire voltooiing (Werkelijk)
26 februari 2026
Studie voltooiing (Werkelijk)
26 februari 2026
Studieregistratiedata
Eerst ingediend
10 maart 2026
Eerst ingediend dat voldeed aan de QC-criteria
10 maart 2026
Eerst geplaatst (Werkelijk)
13 maart 2026
Updates van studierecords
Laatste update geplaatst (Werkelijk)
27 augustus 2026
Laatste update ingediend die voldeed aan QC-criteria
25 augustus 2026
Laatst geverifieerd
1 september 2021
Meer informatie
Termen gerelateerd aan deze studie
Aanvullende relevante MeSH-voorwaarden
Andere studie-ID-nummers
- RetinAIcheck-01
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
NEE
Beschrijving IPD-plan
De gegevens die in het onderzoeksproject zijn gebruikt, zijn niet openbaar beschikbaar, maar kunnen op verzoek aan de hoofdonderzoeker worden verstrekt.
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 .