Artificial Intelligence for Detecting Retinal Diseases
12 april 2021 uppdaterad av: Beijing Tongren Hospital
Classification of Retinal Diseases by Artificial Intelligence
The objective of this study is to apply an artificial intelligence algorithm to diagnose multi retinal diseases from fundus photography.
The effectiveness and accuracy of this algorithm was evaluated by sensitivity, specificity, positive predictive value, negative predictive value, and area under curve.
Studieöversikt
Status
Avslutad
Betingelser
Intervention / Behandling
Detaljerad beskrivning
The objective of this study is to apply an artificial intelligence algorithm to diagnose referral diabetes retinopathy, referral age-related macular degeneration, referral possible glaucoma, pathological myopia, retinal vein occlusion, macular hole, macular epiretinal membrane, hypertensive retinopathy, myelinated fibers, retinitis pigmentosa and other retinal lesions from fundus photography.
The effectiveness and accuracy of this algorithm was evaluated by sensitivity, specificity, positive predictive value, negative predictive value, area under curve, and F1 score.
Studietyp
Observationell
Inskrivning (Faktisk)
1000000
Kontakter och platser
Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.
Studieorter
-
-
Beijing
-
Beijing, Beijing, Kina, 100730
- Wen-Bin Wei
-
-
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 till 80 år (Vuxen, Äldre vuxen)
Tar emot friska volontärer
Ja
Kön som är behöriga för studier
Allt
Testmetod
Icke-sannolikhetsprov
Studera befolkning
The study population is derived from an anonymous database that contains health examination results of the general population.
Beskrivning
Inclusion Criteria:
- fundus photography around 45° field which covers optic disc and macula
- complete identification information
Exclusion Criteria:
- insufficient information for diagnosis.
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 |
|---|---|
|
Retinal diseases diagnosed by artificial intelligence algorithm
|
An artificial intelligence algorithm was applied to diagnose referral diabetes retinopathy, referral age-related macular degeneration, referral possible glaucoma, pathological myopia, retinal vein occlusion, macular hole, macular epiretinal membrane, hypertensive retinopathy, myelinated fibers, retinitis pigmentosa and other retinal lesions from fundus photography.
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Area under curve
Tidsram: 1 week
|
We used the receiver operating characteristic (ROC) curve and area under curve to examine the ability of this artificial intelligence algorism recognition and classification of retinal diseases.
|
1 week
|
|
Sensitivity and specificity
Tidsram: 1 week
|
We used sensitivity and specificity to examine the ability of this artificial intelligence algorism recognition and classification of retinal diseases.
|
1 week
|
|
Positive predictive value, negative predictive value
Tidsram: 1 week
|
We used positive predictive value and negative predictive value to examine the ability of this artificial intelligence algorism recognition and classification of retinal diseases.
|
1 week
|
|
F1 score
Tidsram: 1 week
|
We used F1 score to examine the ability of this artificial intelligence algorism recognition and classification of retinal diseases.
|
1 week
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Systemic biomarkers and diseases
Tidsram: 1 week
|
Using medical records as the gold standard, we test the accuracy of this artificial intelligence algorism recognition and classification of systemic biomarkers and diseases: age, sex, blood pressure, blood hemoglobin, cardiovascular diseases, thyroid function and kidney function.
|
1 week
|
Samarbetspartners och utredare
Det är här du hittar personer och organisationer som är involverade i denna studie.
Sponsor
Samarbetspartners
Utredare
- Studiestol: Wenbin Wei, Beijing Tongren Hospital
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 juni 2018
Primärt slutförande (Faktisk)
30 juni 2020
Avslutad studie (Faktisk)
1 oktober 2020
Studieregistreringsdatum
Först inskickad
16 december 2020
Först inskickad som uppfyllde QC-kriterierna
16 december 2020
Första postat (Faktisk)
21 december 2020
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
15 april 2021
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
12 april 2021
Senast verifierad
1 juni 2018
Mer information
Termer relaterade till denna studie
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- AI in retinal diseases
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 .