Artificial Intelligence System for the Detection and Prediction of Kidney Diseases Using Ocular Information
25. januar 2022 oppdatert av: Haotian Lin, Sun Yat-sen University
This is an retrospective and prospective multicenter study to develop and validate an artificial intelligent (AI) aided diagnosis, therapeutic effect assessment model including chronic kidney disease (CKD) and dialysis patients starting from April 2009, which is based on ophthalmic examinations (e.g.
retinal fundus photography, slit-lamp images, OCTA, etc.) and CKD diagnostic and therapeutic data (routine clinical evaluations and laboratory data), to provide a reliable basis and guideline for clinical diagnosis and treatment.
Studieoversikt
Status
Rekruttering
Intervensjon / Behandling
Studietype
Observasjonsmessig
Registrering (Forventet)
4000
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
Studiekontakt
- Navn: Haotian Lin, Ph. D
- Telefonnummer: 13802793086
- E-post: gddlht@aliyun.com
Studiesteder
-
-
Guangdong
-
Guangzhou, Guangdong, Kina, 510060
- Rekruttering
- Zhongshan Ophthalmic Center, Sun Yat-sen University
-
Ta kontakt med:
- Haotian Lin, M.D., Ph.D
- Telefonnummer: +8613802793086
- E-post: haot.lin@hotmail.com
-
Ta kontakt med:
- Qianni Wu, M.D., Ph.D
- Telefonnummer: +8615521506995
- E-post: wuqianni@gzzoc.com
-
-
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
18 år og eldre (Voksen, Eldre voksen)
Tar imot friske frivillige
Ja
Kjønn som er kvalifisert for studier
Alle
Prøvetakingsmetode
Sannsynlighetsprøve
Studiepopulasjon
Participants who had slit-lamp, retinal fundus photography and kidney disease tests at the Department of Nephrology, First Affiliated Hospital of Sun Yat-sen University and Medical Centre of Aikang Health Care, Guangzhou, China
Beskrivelse
Inclusion Criteria:
- Patients previously received kidney biopsy, ophthalmic examinations and routine examinations of the department of nephrology during in-hospital period with BCVA>0.5.
Exclusion Criteria:
- Patients without retinal fundus images or kidney diseases.
- The quality of the retinal fundus images can not meet the requirement for furthur analysis.
- Severe loss of results of routine examinations of the department of nephrology.
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 |
|---|---|
|
Development Dataset 01
Slit-lamp, retinal fundus images, OCTA and kidney diseases examinations collected from Department of Nephrology of the First Affiliated Hospital of Sun Yat-sen University
|
The development datasets were used to train the deep learning model, which was validated and tested by the other 4 datasets.
|
|
Development Dataset 02
Slit-lamp, retinal fundus images, OCTA and kidney diseases examinations collected from Medical Centre of Aikang Health Care, Guangzhou, China
|
The development datasets were used to train the deep learning model, which was validated and tested by the other 4 datasets.
|
|
Validation Dataset 01
Slit-lamp, retinal fundus images, OCTA and kidney diseases examinations collected from Department of Nephrology of the First Affiliated Hospital of Sun Yat-sen University
|
The development datasets were used to train the deep learning model, which was validated and tested by the other 4 datasets.
|
|
Validation Dataset 02
Slit-lamp, retinal fundus images, OCTA and kidney diseases examinations collected from Medical Centre of Aikang Health Care, Guangzhou, China
|
The development datasets were used to train the deep learning model, which was validated and tested by the other 4 datasets.
|
|
Test Dataset 01
Slit-lamp, retinal fundus images, OCTA and kidney diseases examinations collected from Department of Nephrology of the First Affiliated Hospital of Sun Yat-sen University
|
The development datasets were used to train the deep learning model, which was validated and tested by the other 4 datasets.
|
|
Test Dataset 02
Slit-lamp, retinal fundus images, OCTA and kidney diseases examinations collected from Medical Centre of Aikang Health Care, Guangzhou, China
|
The development datasets were used to train the deep learning model, which was validated and tested by the other 4 datasets.
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Area under the receiver operating characteristic curve of the deep learning system
Tidsramme: baseline
|
The investigators will calculate the area under the receiver operating characteristic curve of deep learning system and compare this index between deep learning system and human doctors
|
baseline
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Sensitivity and specificity of the deep learning system
Tidsramme: baseline
|
The investigators will calculate the sensitivity and specifity of deep learning system and compare this index between deep learning system and human doctors
|
baseline
|
Samarbeidspartnere og etterforskere
Det er her du vil finne personer og organisasjoner som er involvert i denne studien.
Sponsor
Samarbeidspartnere
Etterforskere
- Studiestol: Yizhi Liu, M.D., Ph.D., Zhongshan Ophthalmic Center, Sun Yat-sen University
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)
28. august 2021
Primær fullføring (Forventet)
1. desember 2022
Studiet fullført (Forventet)
1. desember 2022
Datoer for studieregistrering
Først innsendt
23. januar 2022
Først innsendt som oppfylte QC-kriteriene
25. januar 2022
Først lagt ut (Faktiske)
4. februar 2022
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
4. februar 2022
Siste oppdatering sendt inn som oppfylte QC-kriteriene
25. januar 2022
Sist bekreftet
1. januar 2022
Mer informasjon
Begreper knyttet til denne studien
Nøkkelord
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- AIKD-2021
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. .