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

Effektivitet og kostnadseffektivitet Evalueringer av AI-assistert diagnostisk programvare (Verisee) for screening av oftalmisk sykdom

20. juli 2026 oppdatert av: National Taiwan University Hospital
Denne studien tar sikte på å evaluere effektiviteten av en kunstig intelligens (AI) -assistert screeningssystem i oftalmisk diagnose. Ved hjelp av AI-basert fundusfotografering vil systemet hjelpe leger med å diagnostisere tre vanlige øyesykdommer: aldersrelatert makuladegenerasjon, diabetisk retinopati (DR) og glaukom. AI -systemet vil analysere Fundus -bilder fra deltakere og raskt generere deteksjonsresultater for oftalmologers referanse for å ta endelige diagnoser og kliniske beslutninger. Studien vil vurdere de kliniske fordelene ved det AI-assisterte diagnosesystemet, og gi vitenskapelig bevis for å øke effektiviteten av diagnose og behandling av oftalmisk sykdom.

Studieoversikt

Detaljert beskrivelse

Kunstig intelligens (AI) har vist et betydelig potensial i medisinsk avbildningsanalyse og sykdomsdiagnose, spesielt i oftalmologi. Det er gjort betydelige fremskritt for å bruke AI for å diagnostisere vanlige oftalmiske sykdommer, forbedre tidlig oppdagelse og forbedre pasientresultatene. Tidlig diagnose av aldersrelatert makuladegenerasjon (AMD), diabetisk retinopati (DR) og glaukom (GLC) er avgjørende for effektiv behandling og sykdomshåndtering.

Imidlertid er aktuelle kliniske diagnoser sterkt avhengige av øyeleger, noe som fører til utfordringer som lave pasientoppmøte og ulik fordeling av diagnostiske ressurser. For å løse disse problemene, vedtar denne studien en utforming før og etter for å vurdere virkningen av Verisee AI-assistert diagnosesystem. Studien involverer både prospektiv datainnsamling fra screeninger og retrospektiv analyse av tidligere pasientdata.

Verisee AMD, Verisee DR og Verisee GLC er AI-drevne medisinske programvareverktøy designet for å screene for henholdsvis AMD, DR og GLC. Disse systemene bruker avanserte AI -algoritmer for å analysere bilder av fargefundusfotografering, vurdere sykdomsforhold og evaluere bildekvaliteten. Ved å integrere denne programvaren i kliniske arbeidsflyter, får leger øyeblikkelig diagnostisk støtte, noe som forbedrer effektiviteten og tilgjengeligheten i screening av oftalmisk sykdom.

Studietype

Intervensjonell

Registrering (Antatt)

1000

Fase

  • Ikke aktuelt

Kontakter og plasseringer

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

Studiesteder

    • Taiwan
      • Taipei, Taiwan, Taiwan, 100225
        • Rekruttering
        • National Taiwan University Hospital
        • Ta kontakt med:
          • Yi-Ting Hsieh, Medical Doctor
          • Telefonnummer: +886-2-2312-3456 ext. 265018
          • E-post: ythyth@gmail.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

  • Voksen
  • Eldre voksen

Tar imot friske frivillige

Nei

Beskrivelse

Inkluderingskriterier:

  • Verisee AMD brukes i ikke-retinal subspesialitetsytalmologiklinikker for voksne over 50 år.
  • Verisee DR brukes i ikke-retinal-underspesialitetsklinikker for diabetespasienter over 20 år og over.
  • Verisee GLC brukes i ikke-glaukom-oftalmologiklinikker for voksne for voksne på 20 år og over med nærsynthet mindre enn 1000 grader.

Eksklusjonskriterier:

  • Pasienten samtykker ikke i å delta i rettssaken eller er ikke i stand til å gi informert samtykke.

Studieplan

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

Hvordan er studiet utformet?

Designdetaljer

  • Primært formål: Screening
  • Tildeling: N/A
  • Intervensjonsmodell: Enkeltgruppeoppdrag
  • Masking: Ingen (Open Label)

Våpen og intervensjoner

Deltakergruppe / Arm
Intervensjon / Behandling
Annen: AI -intervensjon
Pasienter vil gjennomgå fundusfotograferingsscreening ved bruk av kunstig intelligensassistert diagnostisk programvare (Verisee). Oftalmologer vil uavhengig tolke de samme bildene, og resultatene vil bli sammenlignet med de som genereres av AI.
Verisee AMD, Verisee DR og Verisee GLC er AI-baserte medisinske programvareapparater designet for screening aldersrelatert makuladegenerasjon (AMD), henholdsvis diabetisk retinopati (DR) og glaukom. Disse systemene bruker avanserte AI -algoritmer for å analysere bilder av fargefundusfotografering for sykdomsvurdering. Ved å installere programvaren på en datamaskin, kan systemet evaluere bildekvalitet, forutsi sykdomsforhold og øyeblikkelig gi resultater til kliniske leger, og tjene som et diagnostisk hjelpemiddel.
Datainnsamling fra pasientens kliniske historie ble utført fordi Verisee AI-assistert diagnosesystem ikke ble brukt.

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Følsomhet
Tidsramme: Fra screening til legebekreftet diagnose av AMD eller DR, i gjennomsnitt 1 måned
Følsomheten til indekstesten (Verisee) ble beregnet som andelen deltakere med referansestandardbekreftet sykdom som ble riktig identifisert som positiv av den AI-assisterte diagnostiske programvaren.
Fra screening til legebekreftet diagnose av AMD eller DR, i gjennomsnitt 1 måned
Spesifisitet
Tidsramme: Fra screening til legebekreftet diagnose av AMD eller DR, i gjennomsnitt 1 måned
Spesifisiteten til indeksprøven ble beregnet som andelen deltakere uten måltilstanden, som bestemt av referansestandarden, som ble korrekt klassifisert som negativ av det AI-assisterte diagnostiske verktøyet.
Fra screening til legebekreftet diagnose av AMD eller DR, i gjennomsnitt 1 måned
Konkordans
Tidsramme: Fra screening til legebekreftet diagnose av AMD eller DR, i gjennomsnitt 1 måned
Konkordans mellom den AI-assisterte diagnosen og øyelegenes tolkning ble vurdert ved bruk av den samlede avtalesats (dvs. prosentandelen av tilfeller med identiske klassifiseringsresultater).
Fra screening til legebekreftet diagnose av AMD eller DR, i gjennomsnitt 1 måned

Sekundære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Total kostnadsanalyse (inkludert direkte og indirekte kostnader)
Tidsramme: Fra påmelding til 12 måneder etter screening
Dette tiltaket inkluderer direkte medisinske kostnader (f.eks. Screening, oppfølging, medisiner og behandling), helsetjenester-relaterte indirekte medisinske kostnader (f.eks. IT-systemvedlikehold, helsepersonell) og ikke-medisinske indirekte kostnader (f.eks. Transport og produktivitetstap på grunn av blindhet). Kostnader vil bli analysert fra både det nasjonale helseforsikringsperspektivet og det bredere samfunnsperspektivet.
Fra påmelding til 12 måneder etter screening

Samarbeidspartnere og etterforskere

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

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)

2. juni 2025

Primær fullføring (Antatt)

31. desember 2027

Studiet fullført (Antatt)

31. desember 2027

Datoer for studieregistrering

Først innsendt

20. februar 2025

Først innsendt som oppfylte QC-kriteriene

20. februar 2025

Først lagt ut (Faktiske)

25. februar 2025

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

22. juli 2026

Siste oppdatering sendt inn som oppfylte QC-kriteriene

20. juli 2026

Sist bekreftet

1. juli 2026

Mer informasjon

Begreper knyttet til denne studien

Legemiddel- og utstyrsinformasjon, studiedokumenter

Studerer et amerikansk FDA-regulert medikamentprodukt

Nei

Studerer et amerikansk FDA-regulert enhetsprodukt

Nei

produkt produsert i og eksportert fra USA

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