Artificial Intelligence (AI) - Model badań nad upośledzeniem wizualnym: wdrażanie społeczności i ocena wydajności, wykonalności i kosztów.
10 marca 2026 zaktualizowane przez: Tham Yih Chung, Singapore Eye Research Institute
Celem tego badania obserwacyjnego jest ocena wydajności, wydajności operacyjnej, akceptowalności, wykonalności i opłacalności modelu badań przesiewowych wspomaganego przez AI w zakresie upośledzenia wizualnego w warunkach społeczności. Główne pytania, na które ma na celu odpowiedzieć::
- Czy model badań przesiewowych wspomagany przez AI może poprawić badania przesiewowe i dokładność poleceń w porównaniu z obecnym tradycyjnym podejściem do badań przesiewowych?
- Czy model wspomagany przez AI zwiększa wydajność operacyjną i zmniejsza koszty opieki zdrowotnej w warunkach społeczności?
Naukowcy porównają model wspomagany przez AI z obecnym tradycyjnym podejściem badań przesiewowych w celu oceny jego wpływu na dokładność badań przesiewowych, wydajność operacyjną i opłacalność.
Uczestnicy:
- Podejmować przegląd wzroku przy użyciu modelu wspomaganego przez AI lub modelu tradycyjnego.
- Zapewnij informacje zwrotne na temat akceptowalności podejścia do badania.
- Przyczynić się do oceny wykonalności i kosztów związanych z każdą metodą przesiewową.
Przegląd badań
Typ studiów
Interwencyjne
Zapisy (Szacowany)
400
Faza
- Nie dotyczy
Kontakty i lokalizacje
Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.
Lokalizacje studiów
-
-
Singapore
-
Singapore, Singapore, Singapur, 648201
- Pioneer Polyclinic
-
-
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
Opis
Kryteria włączenia:
- Osoby w wieku 50 lat i powyżej.
Kryteria wykluczenia:
- Osoby w wieku poniżej 50 lat.
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
- Główny cel: Diagnostyczny
- Przydział: Randomizowane
- Model interwencyjny: Przydział równoległy
- Maskowanie: Podwójnie
Broń i interwencje
Grupa uczestników / Arm |
Interwencja / Leczenie |
|---|---|
|
Eksperymentalny: Ai-asyste
Uczestnicy będą poddawać się badaniom o zaburzeniu wzroku przy użyciu modelu AVIRI (AI dla badań nad zaburzeniami wizualnymi związanymi z chorobą za pomocą obrazowania siatkówki).
Ta interwencja obejmuje zautomatyzowaną analizę obrazu fundamentu poprzez sztuczną inteligencję w celu badania i identyfikacji osób o wysokim prawdopodobieństwie upośledzenia wzroku.
|
Algorytm głębokiego uczenia się fotografii siatkówki do wykrywania przypadków zaburzeń wizualnych związanych z chorobą
Inne nazwy:
|
|
Brak interwencji: Tradycyjny
Uczestnicy otrzymają badania przesiewowe w zakresie zaburzeń wizualnych przy użyciu tradycyjnego modelu badań przesiewowych, który obejmuje optometrystów przeprowadzających wstępne oceny, a następnie decyzje poleceń oparte na ocenach obrazu dna ręcznego.
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Wydajność AVIRI w zakresie wykrywania zaburzeń wzroku
Ramy czasowe: Poprzez zakończenie badania, średnio 1 rok
|
Podstawowym rezultatem jest wydajność wykrywania VI (VI związany z błędem refrakcji i związany z chorobą) oraz szybkość prawidłowego skierowania, w odniesieniu do diagnozy paneli ekspertów.
Aby ocenić, czy nowy model wspomagany przez AI ma lepszą dokładność skierowań niż obecny tradycyjny model, obliczenie i porównywanie dokładności, wartości AUC, czułość, swoistość i inne wskaźniki wydajności dwóch modeli.
|
Poprzez zakończenie badania, średnio 1 rok
|
Miary wyników drugorzędnych
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Wydajność operacyjna
Ramy czasowe: Poprzez zakończenie badania, średnio 1 rok
|
Ocena obejmuje (i) średni czas badań przesiewowych na pacjenta i (ii) średnią liczbę pacjentów badanych na sesję.
|
Poprzez zakończenie badania, średnio 1 rok
|
|
Akceptowalność pacjenta
Ramy czasowe: Poprzez zakończenie badania, średnio 1 rok
|
Dopuszczalność pacjenta ocenia się za pomocą 6-elementowego kwestionariusza (4-punktowa skala Likerta: „satysfakcja” lub „prawdopodobieństwo”) podawane przez przeszkolonych koordynatorów.
|
Poprzez zakończenie badania, średnio 1 rok
|
|
Postrzeganie wykonalności
Ramy czasowe: Poprzez zakończenie badania, średnio 1 rok
|
Postrzeganie wykonalności jest oceniane przez co najmniej dwie grupy fokusowe z optometrystami, a jedna z usługodawcami zostanie przeprowadzona, kierowana skonsolidowanymi ramami badań wdrażania (CFIR).
Dyskusje będą zbadać bariery i facylitatory wpływających na przyjęcie modelu badań przesiewowych AI.
Dane będą indukcyjnie i dedukcyjnie zakodowane przez dwóch badaczy za pomocą konstrukcji CFIR; Rozbieżności rozwiązywane w drodze konsensusu lub trzeciego badacza.
|
Poprzez zakończenie badania, średnio 1 rok
|
|
Oszczędzanie kosztów wdrożenia modelu badań przesiewowych AI-asyste
Ramy czasowe: Poprzez zakończenie badania, średnio 1 rok
|
Naukowcy określą kwantyfikację przyrostowych oszczędności kosztów wdrażania modelu badań przesiewowych wspomaganego przez AI w modelu PSS przy użyciu podejścia opartego na aktywności (ABC), które kwantyfikuje wszystkie koszty niezajne (w tym robocizny, materiały i dostawy oraz amortyzowane użyteczność technologii i przestrzeni kosztów wypożyczalni) wymagane do przeprowadzenia każdej generacji w wizurze, OFETEM, ONITETEM, ONZ, ONTEITE, ONTETEM, ONZ, ONTETE. wyników testów itp.).
Koszty stałe zostaną amortyzowane w stosunku do oczekiwanego okresu użytkowania nakładów (tj.
obejmowało oczekiwaną długość życia środków trwałych).
W przypadku kosztów oceny klinicznej naukowcy będą wykorzystywać niezbędne rozmiary rachunków, ponieważ oczekuje się, że przybliżą faktyczne koszty.
|
Poprzez zakończenie badania, średnio 1 rok
|
Współpracownicy i badacze
Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.
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)
27 czerwca 2024
Zakończenie podstawowe (Rzeczywisty)
27 lutego 2026
Ukończenie studiów (Szacowany)
31 marca 2026
Daty rejestracji na studia
Pierwszy przesłany
7 marca 2025
Pierwszy przesłany, który spełnia kryteria kontroli jakości
10 marca 2025
Pierwszy wysłany (Rzeczywisty)
14 marca 2025
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
11 marca 2026
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
10 marca 2026
Ostatnia weryfikacja
1 marca 2026
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
- 2024/2297
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
NIEZDECYDOWANY
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 .