Denne siden ble automatisk oversatt og nøyaktigheten av oversettelsen er ikke garantert. Vennligst referer til engelsk versjon for en kildetekst.

Evaluering av kunstig intelligens assistert glaukom (AGE)

19. oktober 2020 oppdatert av: Xiulan Zhang, Sun Yat-sen University

Utvikling av kunstig intelligens-assistert diagnoseprogram for glaukom

Grønn stær er for tiden den nest største årsaken til irreversibel blindhet i verden. Vår studie har til hensikt å kombinere kliniske data fra glaukompasienter i Zhongshan Ophthalmic Center med kunstig intelligens-teknikker for å lage programmer som kan screene og diagnostisere glaukom.

Studieoversikt

Status

Fullført

Forhold

Intervensjon / Behandling

Detaljert beskrivelse

Grønn stær er for tiden den nest ledende årsaken til irreversibel blindhet i verden, noe som medfører store byrder for det menneskelige samfunn. Sammenlignet med andre øyesykdommer, er den diagnostiske prosessen med glaukom komplisert avhenger av flere testresultater, inkludert synsfelttest, OCT, etc. Hvordan diagnostisere glaukom riktig og raskt har alltid vært et hett tema i glaukomforskning. Kunstig intelligens brukes til å studere og utvikle teorier og metoder som kan bidra til å simulere og utvide menneskelig intelligens, som har blitt brukt i en rekke forskningsfelt som automatisk kjøring og medisin. Studien har til hensikt å kombinere kliniske data fra glaukompasienter i Zhongshan Ophthalmic Center med kunstig intelligens-teknikker for å lage programmer som kan screene og diagnostisere glaukom.

Studietype

Observasjonsmessig

Registrering (Faktiske)

10800

Kontakter og plasseringer

Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.

Studiesteder

  • Kina
    • Guangdong
      • Guangzhou, Guangdong, Kina, 510000
        • Zhongshan Ophthalmic Center

Deltakelseskriterier

Forskere ser etter personer som passer til en bestemt beskrivelse, kalt kvalifikasjonskriterier. Noen eksempler på disse kriteriene er en persons generelle helsetilstand eller tidligere behandlinger.

Kvalifikasjonskriterier

Alder som er kvalifisert for studier

  • Barn
  • Voksen
  • Eldre voksen

Tar imot friske frivillige

Ja

Kjønn som er kvalifisert for studier

Alle

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

Alle som kan gjennomføre synsfelttest og har BCVA>0.1 kan meldes på. Vi vil samle synsfelttestresultater og OCT-bilder av både glaukompasienter og ikke-glaukompasienter.

Beskrivelse

Inklusjonskriterier:

  1. BCVA>0,1
  2. i stand til å fullføre pålitelig synsfelttest
  3. ingen historie med intraokulær kirurgi eller funduslaser

Ekskluderingskriterier:

1. ute av stand til å fullføre synsfelttest

Studieplan

Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.

Hvordan er studiet utformet?

Designdetaljer

Kohorter og intervensjoner

Gruppe / Kohort
Intervensjon / Behandling
Glaukompasienter
Glaukompasienter vil ta synsfelttest og OCT-avbildning av synsnerveområdet. Alle disse dataene vil bli samlet inn som kilde til maskinlæring.
Diagnostisk test: Synsfelt- og OCT-tester
Synsfelttest og OCT er ofte brukte essensielle tester for å stille nøyaktig diagnose av glaukom. Algoritmer for å klassifisere synsfelt- og OCT-tester vil både bli utviklet og verifisert.
Deltakere som ikke er glaukom
Deltakere som ikke er glaukom vil ta synsfelttest og OCT-avbildning av synsnerveområdet. Alle disse dataene vil bli samlet inn som kilde til maskinlæring.
Diagnostisk test: Synsfelt- og OCT-tester
Synsfelttest og OCT er ofte brukte essensielle tester for å stille nøyaktig diagnose av glaukom. Algoritmer for å klassifisere synsfelt- og OCT-tester vil både bli utviklet og verifisert.

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Nøyaktighet av diagnose med kunstig intelligens-algoritme
Tidsramme: fra august 2017 til februar 2021
Nøyaktighet av diagnose med kunstig intelligens-algoritme og sammenlign dette resultatet med glaukomspesialister
fra august 2017 til februar 2021

Sekundære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Følsomhet ved diagnose ved kunstig intelligens-algoritme
Tidsramme: fra august 2017 til februar 2021
Følsomhet ved diagnose ved kunstig intelligens-algoritme
fra august 2017 til februar 2021
Spesifisitet av diagnose ved kunstig intelligens-algoritme
Tidsramme: fra august 2017 til februar 2021
Spesifisitet av diagnose ved kunstig intelligens-algoritme
fra august 2017 til februar 2021

Samarbeidspartnere og etterforskere

Det er her du vil finne personer og organisasjoner som er involvert i denne studien.

Sponsor

Sun Yat-sen University

Samarbeidspartnere

Chinese Academy of Sciences

Etterforskere

  • Hovedetterforsker: Xiulan Zhang, Doctor, Sun Yat-sen University

Publikasjoner og nyttige lenker

Den som er ansvarlig for å legge inn informasjon om studien leverer frivillig disse publikasjonene. Disse kan handle om alt relatert til studiet.

Generelle publikasjoner

Studierekorddatoer

Disse datoene sporer fremdriften for innsending av studieposter og sammendragsresultater til ClinicalTrials.gov. Studieposter og rapporterte resultater gjennomgås av National Library of Medicine (NLM) for å sikre at de oppfyller spesifikke kvalitetskontrollstandarder før de legges ut på det offentlige nettstedet.

Studer hoveddatoer

Studiestart (Faktiske)

15. august 2017

Primær fullføring (Faktiske)

1. desember 2019

Studiet fullført (Faktiske)

1. februar 2020

Datoer for studieregistrering

Først innsendt

29. august 2017

Først innsendt som oppfylte QC-kriteriene

30. august 2017

Først lagt ut (Faktiske)

31. august 2017

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

22. oktober 2020

Siste oppdatering sendt inn som oppfylte QC-kriteriene

19. oktober 2020

Sist bekreftet

1. oktober 2020

Mer informasjon

Begreper knyttet til denne studien

Nøkkelord

Ytterligere relevante MeSH-vilkår

Andre studie-ID-numre

  • ProjectAGE

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

NEI

Legemiddel- og utstyrsinformasjon, studiedokumenter

Studerer et amerikansk FDA-regulert medikamentprodukt

Nei

Studerer et amerikansk FDA-regulert enhetsprodukt

Nei

Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .

Kliniske studier på Synsfelt- og OCT-tester

Søk i lignende forsøk

Sponsorer og samarbeidspartnere

Medisinsk tilstand

Legemiddelintervensjoner

CROs by country

CROs in Portugal

Forhold

Sjeldne sykdommer

Legemiddelintervensjoner

Kosttilskudd

Sponsor / samarbeidspartnere

Steder

Abonnere