Desenvolvimento e Validação de um Sistema de Deep Learning para Múltiplas Doenças do Fundo Ocular Utilizando Imagens da Retina
24 de dezembro de 2019 atualizado por: Haotian Lin, Sun Yat-sen University
Desenvolvimento e validação de um sistema de aprendizado profundo para múltiplas doenças do fundo ocular usando imagens da retina: um estudo prospectivo multicêntrico
As imagens da retina podem refletir condições sistêmicas e de fundo (diabetes e doenças cardiovasculares) e, em primeiro lugar, devem ser usadas para treinamento de algoritmo de inteligência artificial médica (IA) devido às suas vantagens de significância clínica e facilidade de obtenção.
Aqui, os investigadores desenvolveram um único modelo de rede que pode explorar as características entre múltiplas doenças do fundo de olho, que foi treinado por várias imagens do fundo de olho com um ou vários rótulos de doenças (se houver) em cada um deles.
O desempenho do modelo foi comparado com o de oftalmologistas nacionais e internacionais.
O modelo foi ainda testado por conjuntos de dados com diferentes tipos de câmeras e validado por três conjuntos de dados externos coletados prospectivamente dos locais clínicos onde o modelo seria aplicado.
Visão geral do estudo
Tipo de estudo
Observacional
Inscrição (Antecipado)
300000
Contactos e Locais
Esta seção fornece os detalhes de contato para aqueles que conduzem o estudo e informações sobre onde este estudo está sendo realizado.
Locais de estudo
-
-
Guangdong
-
Guangzhou, Guangdong, China, 510060
- Recrutamento
- Zhongshan Ophthalmic Center, Sun Yat-sen Univerisity
-
Contato:
- Haotian Lin, Ph.D
- Número de telefone: +86-020-87330274
- E-mail: gddlht@aliyun.com
-
Investigador principal:
- Haotian Lin, Ph.D
-
-
Critérios de participação
Os pesquisadores procuram pessoas que se encaixem em uma determinada descrição, chamada de critérios de elegibilidade. Alguns exemplos desses critérios são a condição geral de saúde de uma pessoa ou tratamentos anteriores.
Critérios de elegibilidade
Idades elegíveis para estudo
- Filho
- Adulto
- Adulto mais velho
Aceita Voluntários Saudáveis
Não
Gêneros Elegíveis para o Estudo
Tudo
Método de amostragem
Amostra de Probabilidade
População do estudo
As imagens da retina foram coletadas de diferentes institutos de saúde em toda a China e em outros países ao redor do mundo.
Descrição
Critério de inclusão:
- A qualidade das imagens do fundo de olho deve ser clinicamente aceitável. Mais de 80% da área da imagem do fundo, incluindo quatro regiões principais (disco óptico, macular, arcos dos vasos retinianos superiores e inferiores) são fáceis de ler e discriminar.
Critério de exclusão:
- Imagens com vazamento de luz (>30% da área), pontos de reflexos ou manchas de lente e superexposição foram excluídos de análises posteriores.
Plano de estudo
Esta seção fornece detalhes do plano de estudo, incluindo como o estudo é projetado e o que o estudo está medindo.
Como o estudo é projetado?
Detalhes do projeto
- Modelos de observação: Outro
- Perspectivas de Tempo: Outro
Coortes e Intervenções
Grupo / Coorte |
Intervenção / Tratamento |
|---|---|
|
Conjunto de dados de treinamento
Imagens da retina coletadas de hospitais e vários locais de triagem em toda a China
|
|
|
Conjunto de dados de validação
Imagens da retina separadas do conjunto de dados de treinamento
|
O conjunto de dados de treinamento foi usado para treinar o modelo de aprendizado profundo, que foi validado e testado por outros dois conjuntos de dados.
|
|
Conjunto de dados de teste
Imagens da retina coletadas prospectivamente de hospitais e locais de triagem de doenças oculares totalmente diferentes do conjunto de dados de treinamento
|
O conjunto de dados de treinamento foi usado para treinar o modelo de aprendizado profundo, que foi validado e testado por outros dois conjuntos de dados.
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Área sob a curva característica de operação do receptor do sistema de aprendizado profundo
Prazo: linha de base
|
Os investigadores calcularão a área sob a curva característica de operação do receptor do sistema de aprendizado profundo e compararão esse índice entre o sistema de aprendizado profundo e os médicos humanos.
|
linha de base
|
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Sensibilidade do sistema de aprendizado profundo
Prazo: linha de base
|
Os investigadores calcularão a sensibilidade do sistema de aprendizado profundo e compararão esse índice entre o sistema de aprendizado profundo e os médicos humanos.
|
linha de base
|
|
Especificidade do sistema de aprendizado profundo
Prazo: linha de base
|
Os investigadores calcularão a especificidade do sistema de aprendizado profundo e compararão esse índice entre o sistema de aprendizado profundo e os médicos humanos.
|
linha de base
|
Colaboradores e Investigadores
É aqui que você encontrará pessoas e organizações envolvidas com este estudo.
Patrocinador
Publicações e links úteis
A pessoa responsável por inserir informações sobre o estudo fornece voluntariamente essas publicações. Estes podem ser sobre qualquer coisa relacionada ao estudo.
Datas de registro do estudo
Essas datas acompanham o progresso do registro do estudo e os envios de resumo dos resultados para ClinicalTrials.gov. Os registros do estudo e os resultados relatados são revisados pela National Library of Medicine (NLM) para garantir que atendam aos padrões específicos de controle de qualidade antes de serem publicados no site público.
Datas Principais do Estudo
Início do estudo (Real)
1 de janeiro de 2014
Conclusão Primária (Antecipado)
1 de fevereiro de 2020
Conclusão do estudo (Antecipado)
1 de maio de 2020
Datas de inscrição no estudo
Enviado pela primeira vez
23 de dezembro de 2019
Enviado pela primeira vez que atendeu aos critérios de CQ
24 de dezembro de 2019
Primeira postagem (Real)
30 de dezembro de 2019
Atualizações de registro de estudo
Última Atualização Postada (Real)
30 de dezembro de 2019
Última atualização enviada que atendeu aos critérios de controle de qualidade
24 de dezembro de 2019
Última verificação
1 de dezembro de 2019
Mais Informações
Termos relacionados a este estudo
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
- CCPMOH2019- China8
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
Não
Informações sobre medicamentos e dispositivos, documentos de estudo
Estuda um medicamento regulamentado pela FDA dos EUA
Não
Estuda um produto de dispositivo regulamentado pela FDA dos EUA
Não
Essas informações foram obtidas diretamente do site clinicaltrials.gov sem nenhuma alteração. Se você tiver alguma solicitação para alterar, remover ou atualizar os detalhes do seu estudo, entre em contato com register@clinicaltrials.gov. Assim que uma alteração for implementada em clinicaltrials.gov, ela também será atualizada automaticamente em nosso site .