使用卷积神经网络“RetinAIcheck”评估高血压视网膜病变
2026年8月25日 更新者：I.M. Sechenov First Moscow State Medical University
基于卷积神经网络“RetinAIcheck”，使用基思·瓦格纳·巴克分类法对高血压性视网膜病变进行评估
本研究旨在评估开发的卷积神经网络（CNN）"RetinAIcheck"在俄罗斯人群中高血压性视网膜病变患者严重程度分级方面的诊断效能。
训练数据集来自开源数据，并由七名独立的视网膜专家重新标注，样本量为30,000张眼底照片。测试样本包括729名HR患者（1401只眼睛）。参考标准是两名眼科医生独立对HR分期进行分级的结果，有争议的临床病例由第三名眼科医生参与评估。
研究概览
研究类型
观察性的
注册 (实际的)
755
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
-
-
-
Moscow、俄罗斯
- University Clinical Hospital №1, Sechenov University
-
-
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
是的
取样方法
概率样本
研究人群
测试样本收集于谢切诺夫大学第一临床医院心脏科、M.M. 克拉斯诺夫眼病研究所以及莫斯科州立临床研究所（MONIKI）。
描述
纳入标准：
患者电子病历中存在高血压诊断。
排除标准：
伴有不可逆视力丧失（无眼球、视神经萎缩、眼球损伤）、黄斑病变（如年龄相关性黄斑变性、中心性浆液性脉络膜视网膜病变、中心性浆液性脉络膜视网膜炎）以及影响图像质量的眼部光学介质混浊的先天性和获得性疾病。
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
队列和干预
团体/队列 |
干预/治疗 |
|---|---|
|
1级高血压性视网膜病变
|
卷积神经网络是一种医疗决策支持系统，可处理扩瞳期间获取的数字眼底照片，并根据基思·瓦格纳·巴克分类法确定高血压性视网膜病变存在/缺失的概率及其分级。
|
|
2级高血压性视网膜病变
|
卷积神经网络是一种医疗决策支持系统，可处理扩瞳期间获取的数字眼底照片，并根据基思·瓦格纳·巴克分类法确定高血压性视网膜病变存在/缺失的概率及其分级。
|
|
3级高血压性视网膜病变
|
卷积神经网络是一种医疗决策支持系统，可处理扩瞳期间获取的数字眼底照片，并根据基思·瓦格纳·巴克分类法确定高血压性视网膜病变存在/缺失的概率及其分级。
|
|
3+4级高血压性视网膜病变
|
卷积神经网络是一种医疗决策支持系统，可处理扩瞳期间获取的数字眼底照片，并根据基思·瓦格纳·巴克分类法确定高血压性视网膜病变存在/缺失的概率及其分级。
|
|
0级无高血压性视网膜病变迹象
|
卷积神经网络是一种医疗决策支持系统，可处理扩瞳期间获取的数字眼底照片，并根据基思·瓦格纳·巴克分类法确定高血压性视网膜病变存在/缺失的概率及其分级。
|
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 |
|---|---|---|
|
准确性
大体时间：准确识别病症存在与否的能力
|
测试正确识别真实阳性病例比例的能力
|
准确识别病症存在与否的能力
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
灵敏度
大体时间：2026年2月
|
测试正确识别真实阳性病例比例的能力
|
2026年2月
|
|
特异性
大体时间：2026年2月
|
测试正确识别真阴性病例比例的能力
|
2026年2月
|
|
Positive predictive value
大体时间：February 2026
|
The probability that a person who tests positive for the condition actually has that one
|
February 2026
|
|
Negative predictive value
大体时间：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)
大体时间：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
大体时间：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
|
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。
调查人员
- 首席研究员：Philipp Yu Kopylov, Prof.、Sechenov First Moscow State Medical University (Sechenov University)
出版物和有用的链接
负责输入研究信息的人员自愿提供这些出版物。这些可能与研究有关。
有用的网址
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)
2021年3月11日
初级完成 (实际的)
2026年2月26日
研究完成 (实际的)
2026年2月26日
研究注册日期
首次提交
2026年3月10日
首先提交符合 QC 标准的
2026年3月10日
首次发布 (实际的)
2026年3月13日
研究记录更新
最后更新发布 (实际的)
2026年8月27日
上次提交的符合 QC 标准的更新
2026年8月25日
最后验证
2021年9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.