Desenvolvimento de um algoritmo ideal para o manejo de pacientes com descolamento do epitélio pigmentar da retina na degeneração macular relacionada à idade neovascular usando inteligência artificial
11 de abril de 2023 atualizado por: Viktoria Myasnikova, The S.N. Fyodorov Eye Microsurgery State Institution
Desenvolvimento de Algoritmo para Previsão Anatômica e Funcional dos Resultados da Terapia com Inibidores da Angiogênese em Pacientes com Descolamentos do Epitélio Pigmentar da Retina na Degeneração Macular Relacionada à Idade Neovascular, Baseado em Tomografia de Coerência Óptica Primária da Zona Macular e Dados Clínicos.
O estudo envolve o desenvolvimento de um algoritmo para prever os resultados anatômicos e funcionais da terapia com inibidores da angiogênese em pacientes com descolamentos do epitélio pigmentar da retina na degeneração macular relacionada à idade neovascular, com base na tomografia de coerência óptica primária da zona macular e dados clínicos.
Visão geral do estudo
Status
Concluído
Intervenção / Tratamento
Descrição detalhada
Os pacientes foram divididos em 3 grupos de acordo com os resultados da terapia: adesão do descolamento, falta de adesão ao descolamento, ruptura do descolamento.
Para esses grupos, são selecionadas imagens de OCT da zona macular com descolamento máximo antes da terapia.
Essas imagens, juntamente com outros parâmetros clínicos, são inseridas no algoritmo.
O resultado é um dos 3 resultados de tratamento listados acima.
Os métodos que serão usados para desenvolver o algoritmo incluem métodos para processamento e transformação de dados, deep machine learning, métricas para calcular a precisão dos algoritmos.
Tipo de estudo
Observacional
Inscrição (Real)
300
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
-
-
-
Krasnodar, Federação Russa, 350012
- The S.N. Fyodorov Eye Microsurgery State Institution
-
-
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
- Adulto
- Adulto mais velho
Aceita Voluntários Saudáveis
Sim
Método de amostragem
Amostra de Probabilidade
População do estudo
Pacientes com descolamentos do epitélio pigmentar da retina com degeneração macular neovascular relacionada à idade
Descrição
Critério de inclusão:
- Linear B - varredura através da área macular com o descolamento mais longo
- outras patologias
Critério de exclusão:
- Imagens sem distanciamento
- Imagens nas quais é possível diagnosticar a necessidade de terapia apenas na presença de fatores adicionais não considerados no estudo.
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
Coortes e Intervenções
Grupo / Coorte |
Intervenção / Tratamento |
|---|---|
|
adesão
o grupo em que a adesão de descolamento neuroepitelial foi observada após terapia anti-fator de crescimento endotelial vascular
|
0,05 ml de anti-VEGF, intravítreo, mensalmente
Outros nomes:
|
|
sem adesão
grupo em que não houve adesão do descolamento neuroepitelial após terapia anti-fator de crescimento endotelial vascular
|
0,05 ml de anti-VEGF, intravítreo, mensalmente
Outros nomes:
|
|
разрыв
grupo em que a ruptura do descolamento neuroepitelial foi observada após terapia anti-fator de crescimento endotelial vascular
|
0,05 ml de anti-VEGF, intravítreo, mensalmente
Outros nomes:
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Algoritmo de previsão
Prazo: 1.09.2022
|
Classificador de rede neural
|
1.09.2022
|
Colaboradores e Investigadores
É aqui que você encontrará pessoas e organizações envolvidas com este estudo.
Patrocinador
Investigadores
- Diretor de estudo: Viktoria Myasnikova, D.Med.Sc., Deputy Director for Research
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.
Publicações Gerais
- 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.
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 novembro de 2021
Conclusão Primária (Real)
1 de setembro de 2022
Conclusão do estudo (Real)
1 de setembro de 2022
Datas de inscrição no estudo
Enviado pela primeira vez
5 de janeiro de 2022
Enviado pela primeira vez que atendeu aos critérios de CQ
12 de janeiro de 2022
Primeira postagem (Real)
26 de janeiro de 2022
Atualizações de registro de estudo
Última Atualização Postada (Real)
13 de abril de 2023
Última atualização enviada que atendeu aos critérios de controle de qualidade
11 de abril de 2023
Última verificação
1 de abril de 2023
Mais Informações
Termos relacionados a este estudo
Palavras-chave
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
- 1 (Mobile Health and Wellness Program)
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 .