Opracowanie optymalnego algorytmu postępowania z pacjentami z odwarstwieniem nabłonka barwnikowego siatkówki w wysiękowym zwyrodnieniu plamki żółtej związanym z wiekiem z wykorzystaniem sztucznej inteligencji
Opracowanie algorytmu przewidywania anatomicznych i czynnościowych wyników terapii inhibitorami angiogenezy u pacjentów z odwarstwieniami nabłonka barwnikowego siatkówki w wysiękowym zwyrodnieniu plamki żółtej związanym z wiekiem, na podstawie pierwotnej optycznej koherentnej tomografii strefy plamki żółtej i danych klinicznych.
Przegląd badań
Status
Status
Warunki
Warunki
Interwencja / Leczenie
Interwencja / Leczenie
Szczegółowy opis
Typ studiów
Typ studiów
Zapisy (Rzeczywisty)
Zapisy
Kontakty i lokalizacje
Lokalizacje studiów
-
-
-
Krasnodar, Federacja Rosyjska, 350012
- The S.N. Fyodorov Eye Microsurgery State Institution
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dorosły
- Starszy dorosły
Akceptuje zdrowych ochotników
Metoda próbkowania
Badana populacja
Opis
Kryteria przyjęcia:
- Liniowy B - skanuje obszar plamki żółtej z najdłuższym odwarstwieniem
- Inne patologie
Kryteria wyłączenia:
- Obrazy bez oderwania
- Obrazy, na których można zdiagnozować potrzebę terapii tylko w obecności dodatkowych czynników nieuwzględnionych w badaniu.
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
Liczba grup / kohort
Kohorty i interwencje
Grupa / KohortaGrupa / Kohorta |
Interwencja / LeczenieInterwencja / Leczenie |
|---|---|
|
przyczepność
grupa, w której obserwowano adhezję odwarstwień neuroepitelialnych po terapii przeciwnaczyniowym śródbłonkowym czynnikiem wzrostu
|
0,05 ml anty-VEGF, do ciała szklistego, co miesiąc
Inne nazwy:
|
|
brak przyczepności
grupa, w której nie stwierdzono przylegania odwarstwień neuroepitelialnych po terapii przeciwnaczyniowym śródbłonkowym czynnikiem wzrostu
|
0,05 ml anty-VEGF, do ciała szklistego, co miesiąc
Inne nazwy:
|
|
разрыв
grupa, w której zaobserwowano pęknięcie odwarstwienia neuroepitelialnego po terapii przeciwnaczyniowym śródbłonkowym czynnikiem wzrostu
|
0,05 ml anty-VEGF, do ciała szklistego, co miesiąc
Inne nazwy:
|
Co mierzy badanie?
Podstawowe miary wyniku
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Algorytm przewidywania
Ramy czasowe: 1.09.2022
|
Klasyfikator sieci neuronowych
|
1.09.2022
|
Współpracownicy i badacze
Sponsor
Sponsor
Śledczy
Śledczy
- Dyrektor Studium: Viktoria Myasnikova, D.Med.Sc., Deputy Director for Research
Publikacje i pomocne linki
Publikacje ogólne
- Rohm M, Tresp V, Muller M, Kern C, Manakov I, Weiss M, Sim DA, Priglinger S, Keane PA, Kortuem K. Predicting Visual Acuity by Using Machine Learning in Patients Treated for Neovascular Age-Related Macular Degeneration. Ophthalmology. 2018 Jul;125(7):1028-1036. doi: 10.1016/j.ophtha.2017.12.034. Epub 2018 Feb 14.
- Prahs P, Radeck V, Mayer C, Cvetkov Y, Cvetkova N, Helbig H, Marker D. OCT-based deep learning algorithm for the evaluation of treatment indication with anti-vascular endothelial growth factor medications. Graefes Arch Clin Exp Ophthalmol. 2018 Jan;256(1):91-98. doi: 10.1007/s00417-017-3839-y. Epub 2017 Nov 10.
- Schmidt-Erfurth U, Bogunovic H, Sadeghipour A, Schlegl T, Langs G, Gerendas BS, Osborne A, Waldstein SM. Machine Learning to Analyze the Prognostic Value of Current Imaging Biomarkers in Neovascular Age-Related Macular Degeneration. Ophthalmol Retina. 2018 Jan;2(1):24-30. doi: 10.1016/j.oret.2017.03.015. Epub 2017 May 31.
- Bogunovic H, Montuoro A, Baratsits M, Karantonis MG, Waldstein SM, Schlanitz F, Schmidt-Erfurth U. Machine Learning of the Progression of Intermediate Age-Related Macular Degeneration Based on OCT Imaging. Invest Ophthalmol Vis Sci. 2017 May 1;58(6):BIO141-BIO150. doi: 10.1167/iovs.17-21789.
- Schmidt-Erfurth U, Waldstein SM, Klimscha S, Sadeghipour A, Hu X, Gerendas BS, Osborne A, Bogunovic H. Prediction of Individual Disease Conversion in Early AMD Using Artificial Intelligence. Invest Ophthalmol Vis Sci. 2018 Jul 2;59(8):3199-3208. doi: 10.1167/iovs.18-24106.
- Kozina, E. V., S. N. Sakhnov, V. V. Myasnikova, E. V. Bykova, and L. E. Aksenova. 2021. 'Modern Trends in Diagnostics and Prediction of Results of Anti-Vascular Endothelial Growth Factor Therapy of Pigment Epithelial Detachment in Neovascular Agerelated Macular Degeneration Using Deep Machine Learning Method (Literature Review)'. Acta Biomedica Scientifica 6 (6-1): 190-203. https://doi.org/10.29413/ABS.2021-6.6-1.22.
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
Rozpoczęcie studiów
Zakończenie podstawowe (Rzeczywisty)
Zakończenie podstawowe
Ukończenie studiów (Rzeczywisty)
Ukończenie studiów
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Rzeczywisty)
Pierwszy wysłany
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
Ostatnia wysłana aktualizacja
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
Inne numery identyfikacyjne badania
- 1 (Mobile Health and Wellness Program)
Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .