Hluboké učení pomocí rentgenových paprsků hrudníku k identifikaci vysoce rizikových pacientů pro screening rakoviny plic CT
Hluboké učení pomocí rutinních rentgenových paprsků a elektronických údajů o lékařských záznamech k identifikaci vysoce rizikových pacientů pro screening rakoviny plic CT
Cílem této klinické studie je posoudit, zda nástroj AI, který upozorňuje poskytovatele pacientů s vysokým 6letým rizikem rakoviny plic na základě jejich rentgenových snímků hrudníku, zlepší účast CT rakoviny plic. Hlavní otázka, na kterou je třeba odpovědět, je: Zlepšuje nástroj AI účast na screeningu rakoviny plic 6 měsíců po výchozí ambulantní návštěvě
Intervence je varováním pro poskytovatele, aby diskutoval o screeningu rakoviny plic CT, u pacientů považovaných za vysoké riziko rakoviny plic na základě nástroje AI CXR-LC AI.
Pokud existuje srovnávací skupina: Vědci budou porovnat intervence a nezasahovací ramena, aby se zjistilo, zda se zvyšuje účast CT rakoviny plic.
Přehled studie
Postavení
Postavení
Podmínky
Podmínky
Intervence / Léčba
Intervence / Léčba
Typ studie
Typ studie
Zápis (Odhadovaný)
Zápis
Fáze
Fáze
- Nelze použít
Kontakty a umístění
Studijní kontakt
Studijní kontakt
- Jméno: Michael T Lu, MD, MPH
- Telefonní číslo: 617-726-1255
- E-mail: mlu@mgh.harvard.edu
Studijní místa
-
-
Massachusetts
-
Boston, Massachusetts, Spojené státy, 02114
- Nábor
- Massachusetts General Hospital
-
Kontakt:
- Michael T Lu, MD, MPH
- Telefonní číslo: 617-724-9729
- E-mail: mlu@mgh.harvard.edu
-
-
Kritéria účasti
Kritéria způsobilosti
Kritéria způsobilosti
Věk způsobilý ke studiu
- Dospělý
- Starší dospělý
Přijímá zdravé dobrovolníky
Popis
Hlavní kritéria pro zařazení:
- Plánovaná ambulantní schůzka u zúčastněného poskytovatele.
- 50 až 77 let, který v současné době nebo dříve kouřil, aby zahrnoval osoby potenciálně způsobilé pro screening plic na základě pokynů Medicare.
- Nedávné (do 2 let) rentgenového snímku na hrudníku PA.
Kritéria pro vyloučení:
• Historie nebo příznaky/příznaky rakoviny plic. Nedávné (do 2 let) hrudníku Ct. Klinická indikace pro CT hrudníku mimo screening rakoviny plic.
Studijní plán
Jak je studie koncipována?
Detaily designu
- Primární účel: Promítání
- Přidělení: Randomizované
- Intervenční model: Paralelní přiřazení
- Maskování: Dvojnásobek
Počet zbraní
Zbraně a zásahy
Skupina účastníků / ArmSkupina účastníků / Arm |
Intervence / LéčbaIntervence / Léčba |
|---|---|
|
Experimentální: Zásah
|
Upozorněte na poskytovatele, aby diskutoval o screeningu rakoviny plic CT, u pacientů považovaných za vysoké riziko rakoviny plic na základě nástroje CXR-LC AI.
|
|
Žádný zásah: Nevměšování
|
Co je měření studie?
Primární výstupní opatření
Primární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Poměr dokončení screeningu rakoviny plic CT za 6 měsíců po návštěvě
Časové okno: 6 měsíců
|
Posoudit dopad na účast CT na screeningu rakoviny plic (definovaný jako dokončení CT s rakovinou plic) v 6 měsících po základní návštěvě.
|
6 měsíců
|
Sekundární výstupní opatření
Sekundární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Suspicious lung nodules
Časové okno: 6 months
|
Suspicious lung nodules (Lung-RADS 4a or greater, including lung nodules ≥8 mm in diameter) identified on CT or diagnosed lung cancer.
|
6 months
|
Spolupracovníci a vyšetřovatelé
Sponzor
Sponzor
Spolupracovníci
Spolupracovníci
Publikace a užitečné odkazy
Obecné publikace
- Lu MT, Raghu VK, Mayrhofer T, Aerts HJWL, Hoffmann U. Deep Learning Using Chest Radiographs to Identify High-Risk Smokers for Lung Cancer Screening Computed Tomography: Development and Validation of a Prediction Model. Ann Intern Med. 2020 Nov 3;173(9):704-713. doi: 10.7326/M20-1868. Epub 2020 Sep 1.
- Lee JH, Lee D, Lu MT, Raghu VK, Park CM, Goo JM, Choi SH, Kim H. Deep Learning to Optimize Candidate Selection for Lung Cancer CT Screening: Advancing the 2021 USPSTF Recommendations. Radiology. 2022 Oct;305(1):209-218. doi: 10.1148/radiol.212877. Epub 2022 Jun 14.
- Raghu VK, Walia AS, Zinzuwadia AN, Goiffon RJ, Shepard JO, Aerts HJWL, Lennes IT, Lu MT. Validation of a Deep Learning-Based Model to Predict Lung Cancer Risk Using Chest Radiographs and Electronic Medical Record Data. JAMA Netw Open. 2022 Dec 1;5(12):e2248793. doi: 10.1001/jamanetworkopen.2022.48793.
Termíny studijních záznamů
Hlavní termíny studia
Začátek studia (Aktuální)
Začátek studia
Primární dokončení (Odhadovaný)
Primární dokončení
Dokončení studie (Odhadovaný)
Dokončení studie
Termíny zápisu do studia
První předloženo
První předloženo
První předloženo, které splnilo kritéria kontroly kvality
První předloženo, které splnilo kritéria kontroly kvality
První zveřejněno (Aktuální)
První zveřejněno
Aktualizace studijních záznamů
Poslední zveřejněná aktualizace (Aktuální)
Poslední zveřejněná aktualizace
Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality
Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality
Naposledy ověřeno
Naposledy ověřeno
Více informací
Termíny související s touto studií
Klíčová slova
Další relevantní podmínky MeSH
Další identifikační čísla studie
Další identifikační čísla studie
- 2023P002872
- 2025P002902 (Jiný identifikátor: Mass General Hospital)
Plán pro data jednotlivých účastníků (IPD)
Plánujete sdílet data jednotlivých účastníků (IPD)?
Informace o lécích a zařízeních, studijní dokumenty
Studuje lékový produkt regulovaný americkým FDA
Studuje produkt zařízení regulovaný americkým úřadem FDA
produkt vyrobený a vyvážený z USA
Tyto informace byly beze změn načteny přímo z webu clinicaltrials.gov. Máte-li jakékoli požadavky na změnu, odstranění nebo aktualizaci podrobností studie, kontaktujte prosím register@clinicaltrials.gov. Jakmile bude změna implementována na clinicaltrials.gov, bude automaticky aktualizována i na našem webu .