Denna sida har översatts automatiskt och översättningens korrekthet kan inte garanteras. Vänligen se engelsk version för en källtext.

Utvärdering av artificiell intelligens assisterad glaukom (AGE)

19 oktober 2020 uppdaterad av: Xiulan Zhang, Sun Yat-sen University

Utveckling av artificiell intelligens-assisterat diagnostiskt program för glaukom

Glaukom är för närvarande den näst vanligaste orsaken till irreversibel blindhet i världen. Vår studie avser att kombinera kliniska data från glaukompatienter i Zhongshan Ophthalmic Center med tekniker för artificiell intelligens för att skapa program som kan screena och diagnostisera glaukom.

Studieöversikt

Status

Avslutad

Betingelser

Intervention / Behandling

Detaljerad beskrivning

Glaukom är för närvarande den näst vanligaste orsaken till irreversibel blindhet i världen, vilket innebär en tung börda för det mänskliga samhället. Jämfört med andra ögonsjukdomar är den diagnostiska processen för glaukom komplicerad beroende på flera testresultat, inklusive synfältstest, OCT, etc. Hur man diagnostiserar glaukom korrekt och snabbt har alltid varit ett hett ämne inom glaukomforskning. Artificiell intelligens används för att studera och utveckla teorier och metoder som kan hjälpa till att simulera och utvidga mänsklig intelligens, som har använts inom många forskningsområden såsom automatisk körning och medicin. Studien avser att kombinera kliniska data från glaukompatienter i Zhongshan Ophthalmic Center med tekniker för artificiell intelligens för att skapa program som kan screena och diagnostisera glaukom.

Studietyp

Observationell

Inskrivning (Faktisk)

10800

Kontakter och platser

Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.

Studieorter

  • Kina
    • Guangdong
      • Guangzhou, Guangdong, Kina, 510000
        • Zhongshan Ophthalmic Center

Deltagandekriterier

Forskare letar efter personer som passar en viss beskrivning, så kallade behörighetskriterier. Några exempel på dessa kriterier är en persons allmänna hälsotillstånd eller tidigare behandlingar.

Urvalskriterier

Åldrar som är berättigade till studier

  • Barn
  • Vuxen
  • Äldre vuxen

Tar emot friska volontärer

Ja

Kön som är behöriga för studier

Allt

Testmetod

Icke-sannolikhetsprov

Studera befolkning

Alla som kan genomföra synfältstest och har BCVA>0.1 kan anmälas. Vi kommer att samla in synfältstestresultat och OCT-bilder av både glaukom- och icke-glaukompatienter.

Beskrivning

Inklusionskriterier:

  1. BCVA>0,1
  2. kunna genomföra tillförlitligt synfältstest
  3. ingen historia av intraokulär kirurgi eller ögonbottenlaser

Exklusions kriterier:

1. oförmögen att slutföra synfältstest

Studieplan

Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.

Hur är studien utformad?

Designdetaljer

Kohorter och interventioner

Grupp / Kohort
Intervention / Behandling
Glaukompatienter
Glaukompatienter kommer att ta synfältstest och OCT-avbildning av synnerven. Alla dessa data kommer att samlas in som källa för maskininlärning.
Diagnostiskt test: Synfälts- och OCT-tester
Synfältstest och OCT är vanliga viktiga tester för att göra en korrekt diagnos av glaukom. Algoritmer för att klassificera synfälts- och OCT-tester skulle både utvecklas och verifieras.
Icke-glaukom deltagare
Icke-glaukom-deltagare kommer att ta synfältstest och OCT-avbildning av synnerven. Alla dessa data kommer att samlas in som källa för maskininlärning.
Diagnostiskt test: Synfälts- och OCT-tester
Synfältstest och OCT är vanliga viktiga tester för att göra en korrekt diagnos av glaukom. Algoritmer för att klassificera synfälts- och OCT-tester skulle både utvecklas och verifieras.

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Noggrannhet av diagnos med artificiell intelligensalgoritm
Tidsram: från augusti 2017 till februari 2021
Noggrannhet av diagnos med artificiell intelligensalgoritm och jämför detta resultat med glaukomspecialister
från augusti 2017 till februari 2021

Sekundära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Känslighet för diagnos med artificiell intelligensalgoritm
Tidsram: från augusti 2017 till februari 2021
Känslighet för diagnos med artificiell intelligensalgoritm
från augusti 2017 till februari 2021
Specificitet för diagnos med artificiell intelligensalgoritm
Tidsram: från augusti 2017 till februari 2021
Specificitet för diagnos med artificiell intelligensalgoritm
från augusti 2017 till februari 2021

Samarbetspartners och utredare

Det är här du hittar personer och organisationer som är involverade i denna studie.

Sponsor

Sun Yat-sen University

Samarbetspartners

Chinese Academy of Sciences

Utredare

  • Huvudutredare: Xiulan Zhang, Doctor, Sun Yat-sen University

Publikationer och användbara länkar

Den som ansvarar för att lägga in information om studien tillhandahåller frivilligt dessa publikationer. Dessa kan handla om allt som har med studien att göra.

Allmänna publikationer

Studieavstämningsdatum

Dessa datum spårar framstegen för inlämningar av studieposter och sammanfattande resultat till ClinicalTrials.gov. Studieposter och rapporterade resultat granskas av National Library of Medicine (NLM) för att säkerställa att de uppfyller specifika kvalitetskontrollstandarder innan de publiceras på den offentliga webbplatsen.

Studera stora datum

Studiestart (Faktisk)

15 augusti 2017

Primärt slutförande (Faktisk)

1 december 2019

Avslutad studie (Faktisk)

1 februari 2020

Studieregistreringsdatum

Först inskickad

29 augusti 2017

Först inskickad som uppfyllde QC-kriterierna

30 augusti 2017

Första postat (Faktisk)

31 augusti 2017

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

22 oktober 2020

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

19 oktober 2020

Senast verifierad

1 oktober 2020

Mer information

Termer relaterade till denna studie

Nyckelord

Ytterligare relevanta MeSH-villkor

Andra studie-ID-nummer

  • ProjectAGE

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

NEJ

Läkemedels- och apparatinformation, studiedokument

Studerar en amerikansk FDA-reglerad läkemedelsprodukt

Nej

Studerar en amerikansk FDA-reglerad produktprodukt

Nej

Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .

Kliniska prövningar på Synfälts- och OCT-tester

Sök liknande försök

Sponsorer och medarbetare

Medicinska tillstånd

Läkemedelsinterventioner

CROs by country

CROs in Venezuela

Betingelser

Sällsynta sjukdomar

Läkemedelsinterventioner

Kosttillskott

Sponsor / medarbetare

Platser

Prenumerera