Bedömning av hypertensiv retinopati med hjälp av konvolutionell neural nätverk "RetinAIcheck"
25 augusti 2026 uppdaterad av: I.M. Sechenov First Moscow State Medical University
Bedömning av hypertensiv retinopati med Keith Wagener Barker-klassificeringen, baserad på det konvolutionella neurala nätverket "RetinAIcheck"
Den aktuella studien syftar till att uppskatta den diagnostiska effektiviteten hos ett utvecklat konvolutionellt neuralt nätverk (CNN) "RetinAIcheck" för att gradera svårighetsgraden av hypertensiv retinopati hos patienter i den ryska befolkningen.
Träningsdatamängden erhölls från en öppen källa och ometiketterades av sju oberoende retinaexperter, urvalsstorleken var 30 000 fundusfotografier. Testprovet inkluderade 729 patienter (1401 ögon) med HR. Referensstandarden var resultatet av oberoende gradering av HR-stadium av två oftalmologer, kontroversiella kliniska fall utvärderades med inblandning av en tredje oftalmolog.
Studieöversikt
Status
Avslutad
Betingelser
Intervention / Behandling
Studietyp
Observationell
Inskrivning (Faktisk)
755
Kontakter och platser
Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.
Studieorter
-
-
-
Moscow, Ryssland
- University Clinical Hospital №1, Sechenov University
-
-
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
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Ja
Testmetod
Sannolikhetsprov
Studera befolkning
Testprovet samlades in på kardiologikliniken på Sechenov University Clinical Hospital № 1, vid forskningsinstitutet för ögonsjukdomar uppkallat efter M.M. Krasnov och vid Moskvas regionala kliniska forskningsinstitut uppkallat efter M.F. Vladimirsky (MONIKI).
Beskrivning
Inklusionskriterier:
Närvaron av en diagnos av hypertoni i patientens elektroniska medicinska journal.
Exklusionskriterier:
Medfödda och förvärvade tillstånd åtföljda av irreversibel synförlust (anoftalmi, optikusatrofi, ögonbollsskador), makulapatologi, såsom åldersrelaterad makuladegeneration, central serös korioretinopati, central serös korioretinit och förmörkelse av ögats optiska media, vilket påverkar bildkvaliteten.
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 |
|---|---|
|
Klass 1 hypertensiv retinopati
|
Ett faltningsneuralt nätverk är ett medicinskt beslutsstödssystem som bearbetar digitala fundusfotografier som erhållits under mydriasis och bestämmer sannolikheten för närvaro/frånvaro av hypertensiv retinopati och dess gradering enligt Keith Wagener Barkers klassificering.
|
|
Klass 2 hypertensiv retinopati
|
Ett faltningsneuralt nätverk är ett medicinskt beslutsstödssystem som bearbetar digitala fundusfotografier som erhållits under mydriasis och bestämmer sannolikheten för närvaro/frånvaro av hypertensiv retinopati och dess gradering enligt Keith Wagener Barkers klassificering.
|
|
Klass 3 hypertensiv retinopati
|
Ett faltningsneuralt nätverk är ett medicinskt beslutsstödssystem som bearbetar digitala fundusfotografier som erhållits under mydriasis och bestämmer sannolikheten för närvaro/frånvaro av hypertensiv retinopati och dess gradering enligt Keith Wagener Barkers klassificering.
|
|
Klass 3+4 hypertensiv retinopati
|
Ett faltningsneuralt nätverk är ett medicinskt beslutsstödssystem som bearbetar digitala fundusfotografier som erhållits under mydriasis och bestämmer sannolikheten för närvaro/frånvaro av hypertensiv retinopati och dess gradering enligt Keith Wagener Barkers klassificering.
|
|
Klass 0 utan tecken på hypertensiv retinopati
|
Ett faltningsneuralt nätverk är ett medicinskt beslutsstödssystem som bearbetar digitala fundusfotografier som erhållits under mydriasis och bestämmer sannolikheten för närvaro/frånvaro av hypertensiv retinopati och dess gradering enligt Keith Wagener Barkers klassificering.
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Noggrannhet
Tidsram: Förmågan att korrekt identifiera närvaron eller frånvaron av ett tillstånd
|
Testets förmåga att korrekt identifiera andelen sanna positiva fall
|
Förmågan att korrekt identifiera närvaron eller frånvaron av ett tillstånd
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Känslighet
Tidsram: februari 2026
|
Förmågan hos ett test att korrekt identifiera andelen sanna positiva fall
|
februari 2026
|
|
Specificitet
Tidsram: februari 2026
|
Testets förmåga att korrekt identifiera andelen sanna negativa fall
|
februari 2026
|
|
Positive predictive value
Tidsram: February 2026
|
The probability that a person who tests positive for the condition actually has that one
|
February 2026
|
|
Negative predictive value
Tidsram: February 2026
|
The probability that a person who tests negative for the condition truly does not have it
|
February 2026
|
|
AUROC, area under the ROC curve (one-versus-rest)
Tidsram: February 2026
|
An average metric used to evaluate multi-class classification models by computing the Area Under the ROC Curve for each class separately against all other classes and then averaging the results
|
February 2026
|
|
Quadratically weighted kappa
Tidsram: February 2026
|
A statistical measure that evaluates the level of agreement between two raters or outcomes on an ordinal scale, penalizing errors based on the squared distance between categories
|
February 2026
|
Samarbetspartners och utredare
Det är här du hittar personer och organisationer som är involverade i denna studie.
Utredare
- Huvudutredare: Philipp Yu Kopylov, Prof., Sechenov First Moscow State Medical University (Sechenov 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.
Användbara länkar
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)
11 mars 2021
Primärt slutförande (Faktisk)
26 februari 2026
Avslutad studie (Faktisk)
26 februari 2026
Studieregistreringsdatum
Först inskickad
10 mars 2026
Först inskickad som uppfyllde QC-kriterierna
10 mars 2026
Första postat (Faktisk)
13 mars 2026
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
27 augusti 2026
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
25 augusti 2026
Senast verifierad
1 september 2021
Mer information
Termer relaterade till denna studie
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- RetinAIcheck-01
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
NEJ
IPD-planbeskrivning
Data som används i forskningsprojektet är inte öppet tillgänglig, men kan lämnas på begäran till huvudansvarig forskare.
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 .