年龄相关性黄斑变性的远程医疗
2021年4月26日 更新者：The New York Eye & Ear Infirmary
基于 AI 的自动化系统的关键试验，用于在初级保健机构中早期诊断和预测晚年相关性黄斑变性。
本研究旨在评估用于自动早期检测年龄相关性黄斑变性 (AMD) 的系统。
AMD 是一种眼睛黄斑破裂的病症，黄斑是负责清晰中央视力的视网膜部分。
我们将使用自动相机拍摄对象的眼睛。
这些照片将被安全传输，然后由其他研究开发的计算机程序进行分析。
计算机程序分析的结果将与人类对这些相同图片的分析进行比较。
如果计算机分析具有足够好的准确性，那么该计算机系统可以用于 AMD 的大规模筛查。
研究概览
详细说明
iPredict，一种基于人工智能和远程医疗的软件，它使用个人的彩色眼底图像进行 AMD 的早期诊断，并预测个人是否有进展为晚期 AMD 的风险。
iPredict 平台集成了服务器端程序（用于 AMD 严重程度筛查和预测的图像分析和深度学习模块）和本地远程计算机/移动设备（用于收集患者数据和图像）。
DRS plus 相机将在医生办公室使用。
远程设备将图像和数据上传到服务器，自动分析和筛选AMD。
远程医疗平台是为基于网络的平台开发的。
自动分析将在服务器上进行，并向患者/远程设备发送报告，其中包含个人的 AMD 分期为可转诊或不可转诊的 AMD，以及发展为晚期 AMD 的风险预测分数（一分钟内），以及访问附近眼科医生的进一步建议。
研究类型
观察性的
注册 (预期的)
1000
联系人和位置
本节提供了进行研究的人员的详细联系信息，以及有关进行该研究的地点的信息。
学习联系方式
- 姓名：Alauddin Bhuiyan, Ph.D.
- 电话号码：718 926 9000
- 邮箱：alauddin.bhuiyan@gmail.com
研究联系人备份
- 姓名：Katy Tai
- 电话号码：2129794251
- 邮箱：ktai@nyee.edu
学习地点
-
-
New York
-
New York、New York、美国、10003
- 招聘中
- New York Eye and Ear Infirmary of Mount Sinai
-
接触：
- Katy Tai
- 电话号码：212-979-4251
- 邮箱：ktai@nyee.edu
-
首席研究员：
- R. Theodore Smith, MD, PHD
-
-
参与标准
研究人员寻找符合特定描述的人，称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。
资格标准
适合学习的年龄
50年 及以上 (成人、年长者)
接受健康志愿者
不
有资格学习的性别
全部
取样方法
非概率样本
研究人群
符合资格纳入标准而非排除标准的参与者。
描述
纳入标准：
- 如果愿意并能够遵守门诊就诊和研究相关程序，并提供签署的知情同意书，将招募受试者
- 受试者性别：男性和女性都将被邀请参加。
- 受试者年龄：患者年龄超过 50 岁
排除标准：
- 无法提供知情同意。
- 其他视网膜变性和视网膜血管疾病，例如糖尿病性视网膜病变或黄斑水肿，既往进行过视网膜手术。
学习计划
本节提供研究计划的详细信息，包括研究的设计方式和研究的衡量标准。
研究是如何设计的？
设计细节
- 观测模型：队列
- 时间观点：预期
队列和干预
团体/队列 |
干预/治疗 |
|---|---|
|
早/无对比
用于识别早期/无（即非转诊水平）年龄相关性黄斑变性 (ARMD)
|
人工智能阅读报告 推荐与非推荐 AMD
|
|
中期/晚期 AMD
中/晚期（即转诊水平）年龄相关性黄斑变性 (ARMD)
|
人工智能阅读报告 推荐与非推荐 AMD
|
研究衡量的是什么？
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
鉴别可转诊和不可转诊 AMD 对 AMD 早期诊断的敏感性
大体时间：2年
|
使用 iPredict 基于 AI 的 AMD 筛查软件利用彩色眼底成像识别可转诊和不可转诊 AMD 以进行 AMD 早期诊断的敏感性。
|
2年
|
|
使用 iPredict 基于 AI 的 AMD 筛查软件利用彩色眼底成像识别可转诊和不可转诊 AMD 以进行 AMD 早期诊断的特异性。
大体时间：2年
|
使用黄金标准（即眼科医生的分级），灵敏度和特异性计算如下： Sens=TP/(TP+FN) Spec=TN/(TN+FP)正确分类），FN 是假阴性的数量（可参考的 AMD 受试者被错误地分类为不可参考的），TN 是真阴性的数量（不可参考的受试者被正确分类），FP 是假阳性的数量（非可参考的受试者被正确分类）可转介的 AMD 对象被错误地归类为可转介的 AMD）。
|
2年
|
合作者和调查者
在这里您可以找到参与这项研究的人员和组织。
研究记录日期
这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查，以确保它们在发布到公共网站之前符合特定的质量控制标准。
研究主要日期
学习开始 (实际的)
2020年7月19日
初级完成 (预期的)
2022年7月19日
研究完成 (预期的)
2022年12月31日
研究注册日期
首次提交
2021年4月19日
首先提交符合 QC 标准的
2021年4月26日
首次发布 (实际的)
2021年4月28日
研究记录更新
最后更新发布 (实际的)
2021年4月28日
上次提交的符合 QC 标准的更新
2021年4月26日
最后验证
2021年4月1日
更多信息
此信息直接从 clinicaltrials.gov 网站检索，没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求，请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改，我们的网站上也会自动更新.