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

Detection of Systemic Diseases Such as Hepatobiliary Diseases From Ocular Images Via Deep Learning

11 maj 2026 uppdaterad av: Zhongshan Ophthalmic Center, Sun Yat-sen University
Oculomics is an emerging interdisciplinary field that deciphers multi-dimensional, high-throughput ocular data to predict, diagnose, and monitor systemic diseases and health span.In recent years, artificial Intelligence may provide insight into exploring the potential covert association behind and reveal some early ocular architecture changes in individuals with systemic diseases. The investigators conducted a survey to explore the association between the eye and systemic diseases via deep learning, to develop and evaluate different deep learning models to predict the systemic diseases such as hepatobiliary disease by using ocular images.

Studieöversikt

Status

Avslutad

Betingelser

Intervention / Behandling

Studietyp

Observationell

Inskrivning (Faktisk)

775

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, Sun Yat-sen Univerisity

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

ocular images collected from the Third Affiliated Hospital of Sun Yat-sen University and Pazhou Medical Centre of Aikang Health Care

Beskrivning

Inclusion Criteria:

  • The quality of ocular images should clinical acceptable.
  • Complete clinical information such as baseline demographic characteristics, the history of systematic diseases and so on.

Exclusion Criteria:

  • Individuals diagnosed with severe eye diseases or acute systematic diseases.
  • Incompatible with ocular examinations.

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
development dataset 01
ocular images collected from the Third Affiliated Hospital of Sun Yat-sen University
Diagnostiskt test: Systemic diseases such as Hepatobiliary Disorders
The training dataset was used to train the deep learning model, which was validated and tested by the other two datasets.
development dataset 02
ocular images collected from Pazhou Medical Centre of Aikang Health Care
Diagnostiskt test: Systemic diseases such as Hepatobiliary Disorders
The training dataset was used to train the deep learning model, which was validated and tested by the other two datasets.
test dataset 01
ocular images collected from the Third Affiliated Hospital of Sun Yat-sen University
Diagnostiskt test: Systemic diseases such as Hepatobiliary Disorders
The training dataset was used to train the deep learning model, which was validated and tested by the other two datasets.
test dataset 02
ocular images collected from Pazhou Medical Centre of Aikang Health Care
Diagnostiskt test: Systemic diseases such as Hepatobiliary Disorders
The training dataset was used to train the deep learning model, which was validated and tested by the other two datasets.

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
område under mottagarens funktionskurva för djupinlärningssystemet
Tidsram: baslinje
Utredarna kommer att beräkna arean under mottagarens funktionskurva för djupinlärningssystem och jämföra detta index mellan djupinlärningssystemet och mänskliga läkare
baslinje

Sekundära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
sensitivity of the deep learning system
Tidsram: baseline
The investigators will calculate the sensitivity of deep learning system and compare this index between deep learning system and human doctors
baseline
specificity of the deep learning system
Tidsram: baseline
The investigators will calculate the specifity of deep learning system and compare this index between deep learning system and human doctors
baseline

Samarbetspartners och utredare

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

Sponsor

Zhongshan Ophthalmic Center, Sun Yat-sen University

Samarbetspartners

Third Affiliated Hospital, Sun Yat-Sen University
Aikang Health Care

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)

10 april 2020

Primärt slutförande (Faktisk)

30 juli 2024

Avslutad studie (Faktisk)

30 juli 2024

Studieregistreringsdatum

Först inskickad

6 maj 2026

Först inskickad som uppfyllde QC-kriterierna

6 maj 2026

Första postat (Faktisk)

12 maj 2026

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

14 maj 2026

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

11 maj 2026

Senast verifierad

1 maj 2026

Mer information

Termer relaterade till denna studie

Ytterligare relevanta MeSH-villkor

Andra studie-ID-nummer

  • 2019KYPJ163

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 Systemiska sjukdomar

Sök liknande försök

Sponsorer och medarbetare

Medicinska tillstånd

Läkemedelsinterventioner

CROs by country

CROs in Bangladesh

Betingelser

Sällsynta sjukdomar

Läkemedelsinterventioner

Kosttillskott

Sponsor / medarbetare

Platser

Prenumerera