AI辅助诊断软件（VEISEE）进行眼科疾病筛查的有效性和成本效益评估
2026年7月20日 更新者：National Taiwan University Hospital
这项研究旨在评估人工智能（AI）辅助筛查系统在眼科诊断中的有效性。
该系统使用基于AI的眼底摄影，将帮助医生诊断三种常见的眼睛疾病：与年龄相关的黄斑变性，糖尿病性视网膜病（DR）和青光眼。
AI系统将分析参与者的眼底图像，并在做出最终诊断和临床决策时为眼科医生的参考而迅速产生检测结果。
该研究将评估AI辅助诊断系统的临床益处，提供科学证据以提高眼科疾病诊断和治疗的效率。
研究概览
详细说明
人工智能（AI）在医学成像分析和疾病诊断中显示出巨大的潜力，尤其是在眼科中。 在利用AI诊断常见的眼科疾病，增强早期检测并改善患者预后的情况下，已经取得了重大进步。 与年龄相关的黄斑变性（AMD），糖尿病性视网膜病（DR）和青光眼（GLC）的早期诊断至关重要。
但是，当前的临床诊断很大程度上取决于眼科医生，导致挑战，例如患者出勤率低和诊断资源的不平等分配。 为了解决这些问题，本研究采用了前后试验设计，以评估Verisee AI辅助诊断系统的影响。 该研究涉及从筛查中收集的前瞻性数据，也涉及对过去患者数据的回顾性分析。
Verisee AMD，Verisee DR和Verisee GLC是AI驱动的医疗软件工具，旨在分别为AMD，DR和GLC筛选。 这些系统采用先进的AI算法来分析颜色底面摄影图像，评估疾病状况并评估图像质量。 通过将该软件集成到临床工作流程中，医生会立即获得诊断支持，提高了眼科疾病筛查的效率和可及性。
研究类型
介入性
注册 (估计的)
1000
阶段
- 不适用
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。
学习地点
-
-
Taiwan
-
Taipei、Taiwan、台湾、100225
- 招聘中
- National Taiwan University Hospital
-
接触：
- Yi-Ting Hsieh, Medical Doctor
- 电话号码：+886-2-2312-3456 ext. 265018
- 邮箱：ythyth@gmail.com
-
-
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
- 成人
- 年长者
接受健康志愿者
不
描述
纳入标准：
- Verisee AMD用于50岁及以上的成年人的非视网膜专业眼科诊所。
- Verisee DR用于20岁及以上的糖尿病患者的非视网膜专科诊所。
- Verisee GLC用于非葡萄球瘤的非葡萄球菌眼科诊所，用于20岁及以上的近视小于1000度的成年人。
排除标准：
- 患者不同意参加试验或无法提供知情同意。
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
- 主要用途：放映
- 分配：不适用
- 介入模型：单组作业
- 屏蔽：无（打开标签）
武器和干预
参与者组/臂 |
干预/治疗 |
|---|---|
|
其他：人工智能干预
患者将使用人工智能辅助诊断软件（VERISEE）进行底眼摄影筛查。
眼科医生将独立解释相同的图像，并将结果与AI生成的图像进行比较。
|
VERISEE AMD，VERISEE DR和VERISEE GLC是基于AI的医疗软件设备，旨在筛选与年龄相关的黄斑变性（AMD），糖尿病性视网膜病变（DR）和青光眼。
这些系统利用先进的AI算法来分析颜色底面摄影图像进行疾病评估。
通过在计算机上安装软件，该系统可以评估图像质量，预测疾病状况，并立即为临床医生提供诊断辅助的结果。
由于未使用VeriseE AI辅助诊断系统，因此进行了患者临床病史的数据收集。
|
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 |
|---|---|---|
|
灵敏度
大体时间：从筛查到医师确认的AMD或DR诊断，平均1个月
|
指数测试（VERISEE）的敏感性计算为具有参考标准确认疾病的参与者的比例，这些疾病被AI辅助诊断软件正确鉴定为阳性。
|
从筛查到医师确认的AMD或DR诊断，平均1个月
|
|
特异性
大体时间：从筛查到医师确认的AMD或DR诊断，平均1个月
|
根据参考标准确定的没有目标条件的参与者的比例计算出索引测试的特异性，由参考标准确定，这些参与者被AI辅助诊断工具正确分类为阴性。
|
从筛查到医师确认的AMD或DR诊断，平均1个月
|
|
一致性
大体时间：从筛查到医师确认的AMD或DR诊断，平均1个月
|
使用总体一致率（即具有相同分类结果的病例的百分比）评估了AI辅助诊断与眼科医生的解释之间的一致性。
|
从筛查到医师确认的AMD或DR诊断，平均1个月
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
总成本分析（包括直接和间接成本）
大体时间：筛查后的入学人数到12个月
|
该措施包括直接的医疗费用（例如筛查，随访，药物和治疗），与医疗保健相关的间接医疗费用（例如IT系统维护，医疗保健人员）和非医疗间接成本（例如，由于盲目造成的运输和生产力损失）。
从国家健康保险的角度和更广泛的社会角度来分析费用。
|
筛查后的入学人数到12个月
|
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)
2025年6月2日
初级完成 (估计的)
2027年12月31日
研究完成 (估计的)
2027年12月31日
研究注册日期
首次提交
2025年2月20日
首先提交符合 QC 标准的
2025年2月20日
首次发布 (实际的)
2025年2月25日
研究记录更新
最后更新发布 (实际的)
2026年7月22日
上次提交的符合 QC 标准的更新
2026年7月20日
最后验证
2026年7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.