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

Diagnostisk effektivitet av CNN vid differentiering av synfält

23 januari 2020 uppdaterad av: Xiulan Zhang, Sun Yat-sen University

Diagnostisk effektivitet av konvolutionell neural nätverksbaserad algoritm för differentiering av glaukomatöst synfält från icke-glaukomatöst synfält

Glaukom är för närvarande den vanligaste orsaken till irreversibel blindhet i världen. Multicenterstudien är utformad för att utvärdera effektiviteten av den konvolutionella neurala nätverksbaserade algoritmen vid differentiering av glaukomat från icke-glaukomatöst synfält, och för att bedöma dess användbarhet i den verkliga världen.

Studieöversikt

Status

Avslutad

Betingelser

Intervention / Behandling

Detaljerad beskrivning

Glaukom är världens ledande orsak till irreversibel blindhet, som kännetecknas av progressiv uttunning av näthinnans nervfiberlager och synfältsdefekter. Synfältstest är en av guldstandarderna för diagnos och utvärdering av progression av glaukom. Det finns dock ingen universellt accepterad standard för tolkning av synfältsresultat, vilket är subjektivt och kräver en stor mängd erfarenhet. För närvarande har artificiell intelligens uppnått en noggrannhet som är jämförbar med mänskliga läkare i tolkningen av medicinsk avbildning av många olika sjukdomar. Tidigare har vi tränat ett djupt konvolutionellt neuralt nätverk för att läsa synfältsrapporterna, vilket har ännu högre diagnostisk effekt än ögonläkare. Den aktuella multicenterstudien är utformad för att utvärdera effektiviteten av den konvolutionella neurala nätverksbaserade algoritmen vid differentiering av glaukomat från icke-glaukomatöst synfält, jämföra dess prestanda med ögonläkare och för att bedöma dess användbarhet i den verkliga världen.

Studietyp

Observationell

Inskrivning (Faktisk)

437

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, 51000
        • 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

18 år och äldre (VUXEN, OLDER_ADULT)

Tar emot friska volontärer

Ja

Kön som är behöriga för studier

Allt

Testmetod

Icke-sannolikhetsprov

Studera befolkning

Patienter från kliniker i olika ögoncentrum över hela Kina. Varje ämne måste diagnostiseras utifrån omfattande medicinska tester och journaler. Det ledande centret kommer att läsa alla medicinska data för att ge diagnosen som guldstandarden.

Beskrivning

Inklusionskriterier:

  1. Ålder≥18;
  2. Informerat samtycke erhållits;
  3. Diagnostiserats med specifika ögonsjukdomar;
  4. Kan utföra synfältstest

Exklusions kriterier:

Ofullständiga kliniska data för att stödja diagnos

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
AI-grupp
Synfältsrapporterna i denna grupp kommer att utvärderas av det konvolutionella neurala nätverket.
Diagnostiskt test: AI diagnostisk algoritm
Synfälten som samlas in skulle bedömas av algoritmen och ögonläkare oberoende av varandra. Prestanda för algoritmen och ögonläkarna skulle jämföras, inklusive noggrannhet, AUC, sensitivitet och specificitet.
Andra namn:
  • Standard diagnostisk procedur
Människogrupp
Synfältsrapporterna i denna grupp kommer att utvärderas av 3 ögonläkare oberoende av varandra.

Vad mäter studien?

Primära resultatmått

Resultatmått
Tidsram
AUC-värde för konvolutionellt neuralt nätverk i differentiering av glaukom synfält från icke-glaukom synfält
Tidsram: från januari 2019 till januari 2020
från januari 2019 till januari 2020

Sekundära resultatmått

Resultatmått
Tidsram
Känslighet och specificitet hos konvolutionella neurala nätverk vid upptäckt av glaukomsynfält
Tidsram: från januari 2019 till januari 2020
från januari 2019 till januari 2020

Samarbetspartners och utredare

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

Sponsor

Sun Yat-sen University

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 mars 2019

Primärt slutförande (FAKTISK)

31 december 2019

Avslutad studie (FAKTISK)

31 december 2019

Studieregistreringsdatum

Först inskickad

26 november 2018

Först inskickad som uppfyllde QC-kriterierna

28 november 2018

Första postat (FAKTISK)

30 november 2018

Uppdateringar av studier

Senaste uppdatering publicerad (FAKTISK)

27 januari 2020

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

23 januari 2020

Senast verifierad

1 januari 2020

Mer information

Termer relaterade till denna studie

Nyckelord

Ytterligare relevanta MeSH-villkor

Andra studie-ID-nummer

  • 2018KYPJ125

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 AI diagnostisk algoritm

Sök liknande försök

Sponsorer och medarbetare

Medicinska tillstånd

Läkemedelsinterventioner

CROs by country

CROs in Paraguay

Betingelser

Sällsynta sjukdomar

Läkemedelsinterventioner

Kosttillskott

Sponsor / medarbetare

Platser

Prenumerera