ChiCTR2500101012尚未招募不适用
基于大语言模型的可解释人工智能青光眼诊断系统研发与验证
国家重点研发计划项目（2022YFC2502800）1 个研究点 分布在 1 个国家开始时间: 2024年6月1日最近更新:
适应症
试验速览
- 阶段
- 不适用
- 状态
- 尚未招募
- 发起方
- 试验地点
- 1
- 主要终点
- 受试者工作特征曲线
研究概览
简要总结
1.主要研究目的 本项目拟开发基于多模态大语言模型的青光眼精准诊断和临床决策系统，利用大语言模型在强大的医疗文本处理和逻辑推理能力，增强青光眼智能诊断系统的可解释性，在提供精准诊断的同时，实现 AI 与医生的实时互动。 2.次要研究目的 本项目旨在构建基于多模态大语言模型的青光眼视神经病变临床诊疗路径，引领大语言模型在医疗领域的广泛应用，为青光眼及其他重大疾病的防治带来革命性的进展。
研究设计
- 研究类型
- 诊断试验
- 主要目的
- 诊断试验诊断准确性
- 盲法
- 无
入排标准
- 年龄范围
- 18 至 —（—）
- 性别
- All
入选标准
- •2.有完整的眼底照、VF、OCT 报告
- •3.出现青光眼视神经病变，需符合以下诊断标准： (1) 具有青光眼性视神经病变(杯盘比 C/D≥0.7，和 / 或双眼 C/D 差值大于 0.2，和 / 或颞上、颞下方盘沿宽度小于或等于 0.1 个视盘垂直，和 / 或 RNFL 缺损，和 / 或视盘出血，和 / 或视盘局部切迹形成)； (2) 视网膜神经纤维层(retinal nerve fiber layer, RNFL)缺损与视野缺损对应。
- •4.患者至少有连续两次可靠的视野检测结果。
- •5.患者自愿参加本研究、签署知情同意书；
- •2.有完整的眼底照、VF、OCT 报告
- •3.无青光眼性视神经病变
- •4.患者自愿参加本研究、签署知情同意书；
排除标准
- •1.不可靠的视野检测结果，出现以下情形之一： (1)固视丢失率≥20% (2)假阳性率≥15% (3)假阴性率≥33%
- •2.眼内手术史或眼部外伤史；
- •3.合并角膜或屈光间质严重混浊；
- •4.存在各种类型眼底疾病影响眼部参数采集或干扰视野检测者；
- •5.合并严重全身系统性疾病。
结局指标
主要结局
受试者工作特征曲线
次要结局
- 基于大语言模型的诊断系统进行青光眼鉴别诊断的诊断依据合理性、医生对诊断系统的信任度
- 特异性
- 敏感性
研究者
研究点 (1)
Loading locations...
相似试验
Unknown
不适用
人工智能对原发性开角型青光眼的诊断识别研究原发性开角型青光眼ChiCTR1900028400汕头大学·香港中文大学联合汕头国际眼科中心
Unknown
不适用
基于面部照片的人工智能和大语言模型在常见儿童眼病中的应用研究ChiCTR2500105044自选课题（自筹）
Unknown
不适用
基于人工智能建立白内障多模态精准化诊断及治疗模型研究ChiCTR2300071279国家自然科学基金
Unknown
不适用
该试验尚未获伦理委员会批准，请于批准后才开始征募参试者，并与我们联系上传伦理批件。 角膜病人工智能诊断系统的研发与应用角膜疾病ChiCTR2000035511待申请
Unknown
不适用
基于大语言模型的智能眼科急诊分诊诊断系统的多模态升级及临床应用ChiCTR2500100384国家自然科学基金