Opracowanie optymalnego algorytmu postępowania z pacjentami z odwarstwieniem nabłonka barwnikowego siatkówki w wysiękowym zwyrodnieniu plamki żółtej związanym z wiekiem z wykorzystaniem sztucznej inteligencji
11 kwietnia 2023 zaktualizowane przez: Viktoria Myasnikova, The S.N. Fyodorov Eye Microsurgery State Institution
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.
Praca polega na opracowaniu algorytmu prognozowania anatomicznych i czynnościowych wyników terapii inhibitorami angiogenezy u pacjentów z odwarstwieniami nabłonka barwnikowego siatkówki w przebiegu neowaskularnego zwyrodnienia plamki żółtej związanego z wiekiem, w oparciu o pierwotną optyczną koherentną tomografię strefy plamki oraz dane kliniczne.
Przegląd badań
Status
Zakończony
Interwencja / Leczenie
Szczegółowy opis
Pacjentów podzielono na 3 grupy w zależności od wyników terapii: zrost odklejenia, brak zrostu, zerwanie odwarstwienia.
Dla tych grup wybiera się obrazy OCT strefy plamki żółtej z maksymalnym odwarstwieniem przed terapią.
Obrazy te wraz z innymi parametrami klinicznymi są wprowadzane do algorytmu.
Wynik jest jednym z 3 wyników leczenia wymienionych powyżej.
Metody, które zostaną wykorzystane do opracowania algorytmu obejmują metody przetwarzania i przekształcania danych, głębokie uczenie maszynowe, metryki do obliczania dokładności algorytmów.
Typ studiów
Obserwacyjny
Zapisy (Rzeczywisty)
300
Kontakty i lokalizacje
Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.
Lokalizacje studiów
-
-
-
Krasnodar, Federacja Rosyjska, 350012
- The S.N. Fyodorov Eye Microsurgery State Institution
-
-
Kryteria uczestnictwa
Badacze szukają osób, które pasują do określonego opisu, zwanego kryteriami kwalifikacyjnymi. Niektóre przykłady tych kryteriów to ogólny stan zdrowia danej osoby lub wcześniejsze leczenie.
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dorosły
- Starszy dorosły
Akceptuje zdrowych ochotników
Tak
Metoda próbkowania
Próbka prawdopodobieństwa
Badana populacja
Pacjenci z odwarstwieniami nabłonka barwnikowego siatkówki i związanym z wiekiem wysiękowym zwyrodnieniem plamki żółtej
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
Ta sekcja zawiera szczegółowe informacje na temat planu badania, w tym sposób zaprojektowania badania i jego pomiary.
Jak projektuje się badanie?
Szczegóły projektu
Kohorty i interwencje
Grupa / Kohorta |
Interwencja / 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
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Algorytm przewidywania
Ramy czasowe: 1.09.2022
|
Klasyfikator sieci neuronowych
|
1.09.2022
|
Współpracownicy i badacze
Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.
Śledczy
- Dyrektor Studium: Viktoria Myasnikova, D.Med.Sc., Deputy Director for Research
Publikacje i pomocne linki
Osoba odpowiedzialna za wprowadzenie informacji o badaniu dobrowolnie udostępnia te publikacje. Mogą one dotyczyć wszystkiego, co jest związane z badaniem.
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
Daty te śledzą postęp w przesyłaniu rekordów badań i podsumowań wyników do ClinicalTrials.gov. Zapisy badań i zgłoszone wyniki są przeglądane przez National Library of Medicine (NLM), aby upewnić się, że spełniają określone standardy kontroli jakości, zanim zostaną opublikowane na publicznej stronie internetowej.
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
1 listopada 2021
Zakończenie podstawowe (Rzeczywisty)
1 września 2022
Ukończenie studiów (Rzeczywisty)
1 września 2022
Daty rejestracji na studia
Pierwszy przesłany
5 stycznia 2022
Pierwszy przesłany, który spełnia kryteria kontroli jakości
12 stycznia 2022
Pierwszy wysłany (Rzeczywisty)
26 stycznia 2022
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
13 kwietnia 2023
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
11 kwietnia 2023
Ostatnia weryfikacja
1 kwietnia 2023
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Dodatkowe istotne warunki MeSH
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 .