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

Den virkelige verden av AI i diagnostisering av netthinnesykdommer

1. august 2023 oppdatert av: Wenbin Wei, Beijing Tongren Hospital

Virkelig anvendelse av bruk av kunstig intelligens for å diagnostisere netthinnesykdommer

Målet med denne studien er å bruke en kunstig intelligensalgoritme for å diagnostisere multiretinale sykdommer i virkelige omgivelser. Effektiviteten og nøyaktigheten til denne algoritmen blir evaluert av sensitivitet, spesifisitet, positiv prediktiv verdi, negativ prediktiv verdi og arealet under kurve.

Studieoversikt

Status

Rekruttering

Forhold

Intervensjon / Behandling

Detaljert beskrivelse

Målet med denne studien er å bruke en kunstig intelligensalgoritme for å diagnostisere henvisning diabetes retinopati, henvisning aldersrelatert makuladegenerasjon, henvisning mulig glaukom, patologisk nærsynthet, retinal veneokklusjon, makulært hull, makulær epiretinal membran, hypertensiv retinopati, myeliniserte fibre, retinitis pigmentosa og andre retinale lesjoner fra fundusfotografering. tic 45-graders fundus-kameraer tok trente operatører kikkertfundusfotografering på deltakerne. Operatører ble deretter bedt om å identifisere graderbare bilder og laste ut for algoritmediagnose. Effektiviteten og nøyaktigheten til denne algoritmen blir evaluert av sensitivitet, spesifisitet, positiv prediktiv verdi, negativ prediktiv verdi, område under kurve og F1-score.

Studietype

Observasjonsmessig

Registrering (Antatt)

100000

Kontakter og plasseringer

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

Studiekontakt

Studer Kontakt Backup

Studiesteder

  • Kina
    • Beijing
      • Beijing, Beijing, Kina, 100730
        • Rekruttering
        • Wen-Bin Wei
        • Ta kontakt med:
        • Hovedetterforsker:
          • Wen-Bin Wei, MD

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

N/A

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

Studiepopulasjonen er utledet fra en anonym database som inneholder helseundersøkelsesresultater for befolkningen generelt.

Beskrivelse

Inklusjonskriterier:

  • fundusfotografering rundt 45° felt som dekker optisk plate og makula
  • fullstendig identifikasjonsinformasjon

Ekskluderingskriterier:

  • utilstrekkelig informasjon for diagnose

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
Netthinnesykdommer diagnostisert av kunstig intelligens-algoritme
En kunstig intelligens-algoritme ble brukt for å diagnostisere henvisningsdiabetes retinopati, henvisning aldersrelatert makuladegenerasjon, mulig henvisning til glaukom, patologisk nærsynthet, retinal veneokklusjon, makulært hull, makulær epiretinal membran, hypertensiv retinopati, myeliniserte fibre, retinitis pigmentosa og andre retinale lesioner. fundus fotografering.
Diagnostisk test: kunstig intelligens algoritme
Netthinnesykdommer diagnostisert av kunstig intelligens-algoritme

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Område under kurve
Tidsramme: 1 måned
Vi brukte mottakeroperasjonskarakteristikken (ROC) og arealet under kurve for å undersøke evnen til denne kunstige intelligensalgoritmen gjenkjennelse og klassifisering av netthinnesykdommer.
1 måned
Sensitivitet og spesifisitet
Tidsramme: 1 måned
Vi brukte sensitivitet og spesifisitet for å undersøke evnen til denne kunstige intelligensalgoritmen å gjenkjenne og klassifisere netthinnesykdommer.
1 måned
Positiv prediktiv verdi, negativ prediktiv verdi
Tidsramme: 1 måned
Vi brukte positiv prediktiv verdi og negativ prediktiv verdi for å undersøke evnen til denne kunstige intelligensalgoritmen gjenkjennelse og klassifisering av netthinnesykdommer.
1 måned
F1-score
Tidsramme: 1 måned
Vi brukte F1-score for å undersøke evnen til denne kunstige intelligensalgoritmen gjenkjennelse og klassifisering av netthinnesykdommer.
1 måned

Samarbeidspartnere og etterforskere

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

Sponsor

Beijing Tongren Hospital

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)

1. august 2023

Primær fullføring (Antatt)

1. august 2028

Studiet fullført (Antatt)

1. august 2029

Datoer for studieregistrering

Først innsendt

1. august 2023

Først innsendt som oppfylte QC-kriteriene

1. august 2023

Først lagt ut (Faktiske)

8. august 2023

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

8. august 2023

Siste oppdatering sendt inn som oppfylte QC-kriteriene

1. august 2023

Sist bekreftet

1. august 2023

Mer informasjon

Begreper knyttet til denne studien

Ytterligere relevante MeSH-vilkår

Andre studie-ID-numre

  • Real-world RAIDS

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. .

Abonnere