Ta strona została przetłumaczona automatycznie i dokładność tłumaczenia nie jest gwarantowana. Proszę odnieść się do angielska wersja za tekst źródłowy.

Okulistyczne multimodalne podejmowanie decyzji medycznych wspomaganych sztuczną inteligencją

16 kwietnia 2025 zaktualizowane przez: Kang Zhang, The Eye Hospital of Wenzhou Medical University

Badanie dotyczące okulistycznego multimodalnego podejmowania decyzji medycznych wspomaganych sztuczną inteligencją w oparciu o dane obrazowe i dane z elektronicznej dokumentacji medycznej

Jest to wieloośrodkowe, retrospektywne badanie kliniczne, którego celem jest ocena zastosowania i skuteczności systemu wspomagania decyzji medycznych wspomaganego sztuczną inteligencją, wykorzystującego multimodalną fuzję danych, w okulistycznej praktyce klinicznej.

Przegląd badań

Status

Rekrutacyjny

Warunki

Interwencja / Leczenie

Szczegółowy opis

Wady wzroku znacząco wpływają na jakość życia jednostki. Wczesne badania przesiewowe, diagnostyka i leczenie chorób oczu mają kluczowe znaczenie w zapobieganiu wystąpieniu i postępowi zaburzeń widzenia. W praktyce klinicznej okuliści często muszą integrować szeroki zakres danych o pacjencie, w tym informacje demograficzne, historię medyczną, markery biochemiczne, takie jak poziom glukozy i lipidów we krwi, czynniki ryzyka, a także różne dane okulistyczne, takie jak obrazy dna oka, skany OCT oraz badania pola widzenia w celu postawienia trafnej diagnozy i opracowania odpowiedniego planu leczenia. W czasach, gdy medycyna precyzyjna i spersonalizowana zajmują czołowe miejsca w opiece zdrowotnej, wczesne wykrywanie i diagnozowanie chorób oczu, a także wybór odpowiednich strategii diagnostycznych i terapeutycznych na różnych etapach choroby stały się znaczącymi wyzwaniami w warunkach klinicznych. Ostatnie postępy w technikach obrazowania i analizy medycznej znacznie zwiększyły dokładność i skuteczność diagnozowania chorób oczu. Celem tego badania jest opracowanie okulistycznego systemu podejmowania decyzji wspomaganego sztuczną inteligencją poprzez integrację danych multimodalnych z obrazowania i elektronicznej dokumentacji medycznej w połączeniu z technikami głębokiego uczenia się. Celem jest poprawa dokładności diagnostycznej, usprawnienie procesów klinicznych i zapewnienie pacjentom bardziej spersonalizowanych opcji leczenia. Docelowo system ten ma na celu poprawę wyników leczenia i ogólnej jakości życia pacjentów cierpiących na choroby oczu.

Typ studiów

Obserwacyjny

Zapisy (Szacowany)

5000000

Kontakty i lokalizacje

Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.

Kontakt w sprawie studiów

Lokalizacje studiów

  • Chiny
    • Guangdong
      • Zhuhai, Guangdong, Chiny
        • Rekrutacyjny
        • ZhuHai Hospital, zhuhai, guangdong
        • Kontakt:
    • Zhejiang
      • Wenzhou, Zhejiang, Chiny
        • Rekrutacyjny
        • First Affiliated Hospital of Wenzhou Medical University
        • Kontakt:
      • Wenzhou, Zhejiang, Chiny
        • Rekrutacyjny
        • Second Affiliated Hospital of Wenzhou Medical Universit
        • Kontakt:
      • Wenzhou, Zhejiang, Chiny
        • Rekrutacyjny
        • The Eye Hospital of Wenzhou Medical University
        • Kontakt:
  • Makau
      • Macau, Makau
        • Rekrutacyjny
        • Macau University of Science and Technology Hospital
        • Kontakt:

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

  • Dziecko
  • Dorosły
  • Starszy dorosły

Akceptuje zdrowych ochotników

Nie

Metoda próbkowania

Próbka bez prawdopodobieństwa

Badana populacja

Wszyscy pacjenci, którzy byli leczeni w wielu ośrodkach, w tym w szpitalu okulistycznym Uniwersytetu Medycznego w Wenzhou, pierwszym szpitalu stowarzyszonym Uniwersytetu Medycznego w Wenzhou, drugim szpitalu stowarzyszonym Uniwersytetu Medycznego w Wenzhou, szpitalu ZhuHai oraz szpitalu Uniwersytetu Naukowo-Technologicznego w Makau.

Opis

Kryteria włączenia:

1.Wszyscy pacjenci, którzy byli leczeni w wielu ośrodkach, w tym w szpitalu okulistycznym Uniwersytetu Medycznego w Wenzhou, pierwszym szpitalu stowarzyszonym Uniwersytetu Medycznego w Wenzhou, drugim szpitalu stowarzyszonym Uniwersytetu Medycznego w Wenzhou, szpitalu ZhuHai oraz szpitalu Uniwersytetu Naukowo-Technologicznego w Makau.

2. Dostępność kompleksowej elektronicznej dokumentacji medycznej (EHR), obejmującej: Obrazy okulistyczne (np. zdjęcia dna oka, OCT lub zdjęcia z lampą szczelinową). Elektroniczna dokumentacja medyczna (np. diagnoza, leczenie i notatki kontrolne). Wyniki badań (np. ostrość wzroku, ciśnienie wewnątrzgałkowe lub badania laboratoryjne). 3. Pacjenci z jasną i potwierdzoną diagnozą jednej lub więcej chorób oczu. 4. Pacjenci z wystarczającą historią obserwacji umożliwiającą ocenę postępu choroby lub rokowania, jeśli ma to zastosowanie.

  1. Wszyscy pacjenci okuliści, którzy byli wcześniej leczeni na Oddziale Okulistyki, Szpitalu Okulistycznym Uniwersytetu Medycznego w Wenzhou, Pierwszym Szpitalu stowarzyszonym Uniwersytetu Medycznego w Wenzhou, Drugim Szpitalu stowarzyszonym Uniwersytetu Medycznego w Wenzhou, Szpitalu Ludowym w Zhuhai i Szpitalu Uniwersyteckim.
  2. Dostępność kompleksowej elektronicznej dokumentacji zdrowotnej (EHR), w tym: Obrazy okulistyczne (np. fotografia dna oka, OCT lub obrazy z lampą szczelinową). Elektroniczna dokumentacja medyczna (np. diagnoza, leczenie i notatki kontrolne). Wyniki badań (np. ostrość wzroku, ciśnienie wewnątrzgałkowe lub badania laboratoryjne).
  3. Pacjenci z jasną i potwierdzoną diagnozą jednej lub więcej chorób oczu.
  4. Pacjenci z wystarczającą historią obserwacji umożliwiającą ocenę postępu choroby lub rokowania, jeśli ma to zastosowanie.

Kryteria wykluczenia:

  1. Niekompletne lub brakujące krytyczne komponenty EHR.
  2. Przypadki z niejednoznacznymi lub niezweryfikowanymi diagnozami, których nie da się jednoznacznie sklasyfikować.
  3. Zduplikowane lub zbędne dane tego samego pacjenta.

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
normalna
pacjentów, którzy nie cierpią na choroby oczu
choroby oczu
pacjentów cierpiących na choroby oczu
Test diagnostyczny: Test diagnostyczny: oparty na sztucznej inteligencji model diagnostyczny i prognostyczny chorób oczu
Ta interwencja obejmuje system sztucznej inteligencji, który wykorzystuje multimodalną fuzję danych w celu wspierania podejmowania decyzji klinicznych i oceny chorób okulistycznych. Integruje dane multimodalne, w tym fotografię dna oka, optyczną tomografię koherentną (OCT) i dokumentację kliniczną pacjentów, aby zapewnić precyzyjne i spersonalizowane wsparcie diagnostyczne w czasie rzeczywistym. W przeciwieństwie do innych modeli, system ten wykorzystuje podłużny zbiór danych pacjenta do przewidywania postępu choroby i wyników leczenia. Najważniejsze cechy wyróżniające to: 1. Integracja danych wielomodalnych: łączy dane obrazowe, kliniczne i genetyczne w celu wszechstronnej analizy. 2. Możliwość przewidywania: Oferuje zaawansowane prognozy prognostyczne, umożliwiające spersonalizowane plany leczenia. 3. Struktura głębokiego uczenia się: wykorzystuje najnowocześniejsze algorytmy głębokiego uczenia się w celu poprawy dokładności i wydajności diagnostyki. 4. Walidacja w świecie rzeczywistym: Walidacja przy użyciu dużej grupy różnorodnych danych pacjentów, zapewniająca możliwość uogólnienia i solidność.

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Powierzchnia pod krzywą (AUC)
Ramy czasowe: 1 rok
AUC krzywej ROC, stosowane do ilościowego określenia dokładności diagnostycznej. Brak jednostki (stosunek lub wartość procentowa, zwykle wyrażana jako liczba z zakresu od 0 do 1).
1 rok
Wrażliwość
Ramy czasowe: 1 rok
Czułość (zwana także współczynnikiem prawdziwie dodatnich wyników) jest miarą tego, jak dobrze model identyfikuje pozytywne przypadki. Definiuje się go jako odsetek faktycznie pozytywnych przypadków poprawnie zidentyfikowanych przez model. Brak jednostki (stosunek lub wartość procentowa, zwykle wyrażona w procentach).
1 rok
Dokładność Dokładność Dokładność
Ramy czasowe: 1 rok
Dokładność mierzy proporcję wszystkich prawidłowych przewidywań (prawdziwie pozytywnych i prawdziwie negatywnych) w całkowitej liczbie przypadków ocenionych przez model. Brak jednostki (stosunek lub wartość procentowa, zwykle wyrażona w procentach).
1 rok
Specyficzność
Ramy czasowe: 1 rok
Specyficzność (zwana także współczynnikiem prawdziwie ujemnym) mierzy odsetek faktycznie negatywnych przypadków prawidłowo zidentyfikowanych przez model. Brak jednostki (stosunek lub wartość procentowa, zwykle wyrażona w procentach).
1 rok
Wskaźnik fałszywie dodatni
Ramy czasowe: 1 rok
Wskaźnik wyników fałszywie dodatnich (FPR) mierzy odsetek faktycznie negatywnych przypadków, które model błędnie identyfikuje jako pozytywne. Brak jednostki (stosunek lub wartość procentowa, zwykle wyrażona w procentach).
1 rok
Fałszywie ujemna stawka
Ramy czasowe: 1 rok
Odsetek wyników fałszywie ujemnych (FNR) mierzy odsetek faktycznie pozytywnych przypadków, które model błędnie zidentyfikował jako negatywne. Brak jednostki (stosunek lub wartość procentowa, zwykle wyrażona w procentach).
1 rok
Częstość powikłań pooperacyjnych
Ramy czasowe: 1 rok
Odsetek (%) pacjentów, u których wystąpiły powikłania pooperacyjne.
1 rok
Wskaźnik ryzyka nawrotu
Ramy czasowe: 1 rok
Odsetek (%) pacjentów, u których wystąpił nawrót w okresie obserwacji.
1 rok
Współczynnik przeżycia
Ramy czasowe: 1 rok
Odsetek (%) pacjentów przy życiu, obliczony na podstawie krzywych przeżycia Kaplana-Meiera.
1 rok
Skuteczność wspomagania decyzji
Ramy czasowe: 1 rok
Procentowa (%) poprawa trafności decyzji terapeutycznych przy wsparciu AI w porównaniu z tradycyjnymi decyzjami.
1 rok
Efektywność czasu decyzji
Ramy czasowe: 1 rok
Średni czas (w sekundach) wymagany przez lekarzy na podjęcie decyzji diagnostycznych i terapeutycznych przed i po pomocy sztucznej inteligencji.
1 rok

Miary wyników drugorzędnych

Miara wyniku
Opis środka
Ramy czasowe
Wynik użyteczności systemu
Ramy czasowe: 1 rok
Oceniano za pomocą Skali Użyteczności Systemu (SUS), z wynikami w zakresie 0-100.
1 rok
Czas reakcji systemu AI
Ramy czasowe: 1 rok
Średni czas (w sekundach) potrzebny AI na przedstawienie rekomendacji po wprowadzeniu danych.
1 rok
Wskaźnik awaryjności systemu
Ramy czasowe: 1 rok
Częstotliwość awarii systemów AI mierzona awariami na tysiąc godzin użytkowania (awarie/tysiąc godzin).
1 rok
Satysfakcja z projektowania interfejsu użytkownika
Ramy czasowe: 1 rok
Oceniane za pomocą kwestionariusza doświadczenia użytkownika (UEQ), z punktacją w zakresie 1-7.
1 rok
Wynik zadowolenia pacjenta
Ramy czasowe: 1 rok
Mierzono za pomocą Kwestionariusza Satysfakcji Pacjenta (CSQ-8), z wynikami w zakresie 8-32.
1 rok
Przestrzeganie leczenia
Ramy czasowe: 1 rok
Odsetek (%) pacjentów stosujących się do spersonalizowanych planów leczenia i regularnych wizyt kontrolnych.
1 rok
Akceptacja systemu AI przez lekarza
Ramy czasowe: 1 rok
Oceniane przy użyciu skali Modelu Akceptacji Technologii (TAM), z punktacją w zakresie 1-7.
1 rok

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

The Eye Hospital of Wenzhou Medical University

Śledczy

  • Główny śledczy: Kang Zhang, PhD., The Eye Hospital of Wenzhou Medical University

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)

20 grudnia 2024

Zakończenie podstawowe (Szacowany)

1 maja 2025

Ukończenie studiów (Szacowany)

1 maja 2025

Daty rejestracji na studia

Pierwszy przesłany

15 grudnia 2024

Pierwszy przesłany, który spełnia kryteria kontroli jakości

23 grudnia 2024

Pierwszy wysłany (Rzeczywisty)

1 stycznia 2025

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

17 kwietnia 2025

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

16 kwietnia 2025

Ostatnia weryfikacja

1 kwietnia 2025

Więcej informacji

Terminy związane z tym badaniem

Słowa kluczowe

Inne numery identyfikacyjne badania

  • Ophthalmic Multimodal AI

Plan dla danych uczestnika indywidualnego (IPD)

Planujesz udostępniać dane poszczególnych uczestników (IPD)?

NIE

Informacje o lekach i urządzeniach, dokumenty badawcze

Bada produkt leczniczy regulowany przez amerykańską FDA

Nie

Bada produkt urządzenia regulowany przez amerykańską FDA

Nie

produkt wyprodukowany i wyeksportowany z USA

Nie

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 .

Subskrybuj