- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT04213430
Utveckling och validering av ett djupinlärningssystem för multipla ögonbottensjukdomar med hjälp av näthinnebilder
24 december 2019 uppdaterad av: Haotian Lin, Sun Yat-sen University
Utveckling och validering av ett djupinlärningssystem för multipla ögonbottensjukdomar med hjälp av retinala bilder: en multicenter prospektiv studie
Näthinnebilder kan återspegla både ögonbotten och systemiska tillstånd (diabetes och hjärt-kärlsjukdom) och för det första att användas för medicinsk artificiell intelligens (AI) algoritmträning på grund av dess fördelar av klinisk betydelse och lätt att få.
Här utvecklade utredarna en enda nätverksmodell som kan bryta egenskaperna bland flera ögonbottensjukdomar, som tränades av massor av ögonbottenbilder med en eller flera sjukdomsetiketter (om de har) i var och en av dem.
Modellens prestanda jämfördes med den hos både inhemska och internationella ögonläkare.
Modellen testades ytterligare av datauppsättningar med olika kameratyper och validerades av tre externa datauppsättningar som prospektivt samlades in från de kliniska platserna där modellen skulle tillämpas.
Studieöversikt
Studietyp
Observationell
Inskrivning (Förväntat)
300000
Kontakter och platser
Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.
Studieorter
-
-
Guangdong
-
Guangzhou, Guangdong, Kina, 510060
- Rekrytering
- Zhongshan Ophthalmic Center, Sun Yat-sen Univerisity
-
Kontakt:
- Haotian Lin, Ph.D
- Telefonnummer: +86-020-87330274
- E-post: gddlht@aliyun.com
-
Huvudutredare:
- Haotian Lin, Ph.D
-
-
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
Nej
Kön som är behöriga för studier
Allt
Testmetod
Sannolikhetsprov
Studera befolkning
Näthinnebilder samlades in från olika hälsovårdsinstitut över hela Kina och andra länder runt om i världen.
Beskrivning
Inklusionskriterier:
- Kvaliteten på ögonbottenbilder bör vara kliniskt acceptabel. Mer än 80 % av ögonbottenbildytan inklusive fyra huvudregioner (optisk disk, makula, övre och nedre retinala kärlbågar) är lätta att läsa och urskilja.
Exklusions kriterier:
- Bilder med ljusläckage (>30 % av ytan), fläckar från linser eller fläckar och överexponering uteslöts från ytterligare analys.
Studieplan
Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.
Hur är studien utformad?
Designdetaljer
- Observationsmodeller: Övrig
- Tidsperspektiv: Övrig
Kohorter och interventioner
Grupp / Kohort |
Intervention / Behandling |
---|---|
Utbildningsdataset
Näthinnebilder insamlade från sjukhus och flera screeningplatser över hela Kina
|
|
Valideringsdatauppsättning
Näthinnebilder separerade från träningsdatauppsättning
|
Utbildningsdataset användes för att träna djupinlärningsmodellen, som validerades och testades av andra två datauppsättningar.
|
Testar dataset
Näthinnebilder som prospektivt samlats in från sjukhusen och platser för screening av ögonsjukdomar skiljer sig helt från träningsdataset
|
Utbildningsdataset användes för att träna djupinlärningsmodellen, som validerades och testades av andra två datauppsättningar.
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
---|---|---|
Area under mottagarens funktionskurva för djupinlärningssystemet
Tidsram: baslinje
|
Utredarna kommer att beräkna arean under mottagarens funktionskarakteristiska kurva för djupinlärningssystem och jämföra detta index mellan djupinlärningssystemet och mänskliga läkare.
|
baslinje
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
---|---|---|
Känslighet hos djupinlärningssystemet
Tidsram: baslinje
|
Utredarna kommer att beräkna känsligheten hos system för djupinlärning och jämföra detta index mellan system för djupinlärning och mänskliga läkare.
|
baslinje
|
Specificitet för djupinlärningssystemet
Tidsram: baslinje
|
Utredarna kommer att beräkna specificiteten hos system för djupinlärning och jämföra detta index mellan system för djupinlärning och mänskliga läkare.
|
baslinje
|
Samarbetspartners och utredare
Det är här du hittar personer och organisationer som är involverade i denna studie.
Sponsor
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.
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)
1 januari 2014
Primärt slutförande (Förväntat)
1 februari 2020
Avslutad studie (Förväntat)
1 maj 2020
Studieregistreringsdatum
Först inskickad
23 december 2019
Först inskickad som uppfyllde QC-kriterierna
24 december 2019
Första postat (Faktisk)
30 december 2019
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
30 december 2019
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
24 december 2019
Senast verifierad
1 december 2019
Mer information
Termer relaterade till denna studie
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- CCPMOH2019- China8
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 diagnostisk
-
Foundation for Innovative New Diagnostics, SwitzerlandKenya Medical Research InstituteHar inte rekryterat ännuVisceral leishmaniasis
-
University of MichiganNational Institute on Aging (NIA)Anmälan via inbjudanAlzheimers sjukdom | Lätt kognitiv funktionsnedsättning | Amnestisk mild kognitiv störningFörenta staterna
-
William Beaumont HospitalsFoundation for Education and Research in Neurological EmergenciesAvslutadÖvergående ischemisk attackFörenta staterna
-
Emory UniversityGeorgia Department of Public HealthRekrytering
-
PATHHar inte rekryterat ännuPrimära immunbristsjukdomarPakistan
-
University Hospital TuebingenRekryteringGenetisk predisposition för sjukdom | Sällsynta sjukdomarTyskland
-
TaiHao Medical Inc.Aktiv, inte rekryterandeBröstcancer | BröstsjukdomarTaiwan
-
Bausch & Lomb IncorporatedAvslutad
-
Abbott Rapid DxBill and Melinda Gates FoundationAvslutad