Меню
Идёт набор NCT07183891

Performance of Large Language Models for Structured Recognition and Refractive Prediction

— Наблюдательное Cataract

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
Это наблюдательное исследование: исследуемое лечение участникам по протоколу не назначают.
Кому может быть актуально
Состояния в реестре: Cataract. Базовые параметры: от 18 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

Head-to-Head Evaluation of ChatGPT 4o, GPT-5, and DeepSeek for Structured Extraction, Toric IOL Recommendation, and Refractive Prediction

Обзор

We conducted a single-center, retrospective observational study to evaluate large language models (ChatGPT 4o, GPT-5, DeepSeek) for automated interpretation of de-identified IOLMaster 700 reports provided as raster images. Models produced structured biometric extraction, toric IOL recommendation, and refractive predictions (sphere, cylinder, axis). Primary outcomes included parameter-level agreement and refractive error metrics; secondary outcomes included decision-support performance for toric IOL selection and agreement on ordered T-codes. No clinical intervention was performed.

Подробное описание

This study compares three large language models accessed in their native configurations, without fine-tuning or external tools. For each examination, the original IOLMaster 700 report image was supplied without manual annotation or pre-processing. A standardized instruction required: (i) structured extraction of AL, ACD, LT, WTW, K1/K2 and axes, ΔK, TK1/TK2 and axes, and ΔTK; (ii) binary toric candidacy and T-code according to institutional ALCON mapping; and (iii) refractive recommendations (sphere, cylinder, implantation axis). Each model generated three independent outputs per case. De-identification and IRB oversight (waiver of consent) were implemented according to institutional policy. The unit of enrollment is participants (n=54), with outcomes analyzed per eye (162 eyes) and per model generation where applicable.

Первичные конечные точки

  • Refractive prediction error for sphere [Срок оценки: At index examination]
  • Cohen's kappa with 95% CIs between model [Срок оценки: At index examination (single time point)]
Вторичные конечные точки (2)
  • Cylinder prediction error [Срок оценки: At index examination]
  • Axis prediction error [Срок оценки: At index examination]

Критерии участия

Критерии включения

-postoperative corrected distance visual acuity (CDVA) of 0.10 logMAR or better -an absolute IOL rotational stability of less than 10∘ at the 1-month follow-up examination

Критерии исключения

  • incomplete biometric data on the examination report;
  • a history of previous ocular surgery or ocular trauma
  • the occurrence of intraoperative complications, such as an anterior capsular tear or posterior capsular rupture
  • the development of significant postoperative complications, including but not limited to severe intraocular infection or inadequate pupillary dilation.

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

Здоровые добровольцы: Нет

Дизайн исследования

Модель наблюдения
Только случаи

Центры проведения

Китай · 1 центр
  • Eye and ENT hospital of Fudan University — Шанхай

Идентификаторы

NCT: NCT07183891 · Totic-2025-001

Первоисточники (государственные реестры)

Открыть это исследование на ClinicalTrials.gov ↗