Меню
Идёт набор NCT07146737

Predictive Performance of a Generative Model for Corneal Tomography After ICL Implantation

— Наблюдательное ICL Vault Deep Learning AI (Artificial Intelligence)

Ориентир для пациента и семьи

Простыми словами

Автоматическая сводка по структурированным данным реестра. Она помогает сориентироваться, но не заменяет официальный протокол или оценку врача.

Что изучают
В протоколе указаны: Corneal tomography generation model after ICL surgery.
Кому может быть актуально
Состояния в реестре: ICL, Vault, Deep Learning, AI (Artificial Intelligence). Базовые параметры: 18 лет — 45 лет · Все.
Что важно проверить
Возраст, диагноз и пол — только базовые ориентиры. Предыдущее лечение, анализы и другие обязательные условия указаны ниже в критериях участия.
Где проводится
Китай
Следующий шаг
Сохраните исследование, покажите его лечащему врачу и уточните актуальный статус у исследовательского центра. Расходы, документы и поездка →

Не всё понятно в терминах? Прочитайте наш гид для пациентов →

Официальное название

Predictive Performance of a Generative Model for Corneal Tomography After Implantable Collamer Lens Implantation

Обзор

To evaluate the efficacy of a corneal tomography Imaging model in predicting postoperative vault based on preoperative corneal topography in Implantable Collamer Lens (ICL) surgery.

Подробное описание

Accurate vault prediction is crucial for Implantable Collamer Lens (ICL) surgery safety and efficacy. Current methods using preoperative biometrics and regression formulas show limited accuracy due to parameter variability and incomplete utilization of corneal topography data. To address this, we developed a deep learning model that predicts postoperative vault while generating anterior chamber morphology images from preoperative data, enabling personalized surgical planning.

Вмешательства

  • Диагностический тест Corneal tomography generation model after ICL surgery
    The ICL procedures collected would be assessed by the corneal tomography generation model. The performance of the model would be assessed, including accuracy,AUC, sensitivity and specificity.

Первичные конечные точки

  • AUROC of convolutional neural network in predicting vault after ICL surgery [Срок оценки: Day 7]
Вторичные конечные точки (1)
  • Sensitivity and specificity of convolutional neural network in predicting Vault after ICL implantation [Срок оценки: Day 7]

Критерии участия

Inclusion Criteria:(1) stable myopia (≤0.50D/year change for 2 years), (2) ACD ≥2.80mm, (3) intact corneal endothelium (≥2000 cells/mm²), and (4) no confounding ocular/systemic conditions.

Exclusion Criteria:(1) glaucoma-spectrum disorders or retinal vasculopathies, (2) prior corneal/intraocular surgery, (3) compromised corneal endothelium, (4) uncontrolled systemic diseases, and (5) pregnancy/lactation.

Критерии приведены из реестра в оригинале (на английском). Окончательную оценку соответствия проводит исследовательский центр.

Здоровые добровольцы: Нет

Дизайн исследования

Модель наблюдения
Другое

Центры проведения

Китай · 1 центр
  • The Second Affiliated Hospital of Nanchang University — Nanchang

Идентификаторы

NCT: NCT07146737 · [2025] NO.(86)

Первоисточники (государственные реестры)

Открыть это исследование на ClinicalTrials.gov ↗