Diese Seite wurde automatisch übersetzt und die Genauigkeit der Übersetzung wird nicht garantiert. Bitte wende dich an die englische Version für einen Quelltext.

Multicenter Prospective Validation of AI Models for Malignancy Risk Prediction in Pulmonary Nodules

22. Juli 2026 aktualisiert von: Wen-zhao ZHONG, Guangdong Provincial People's Hospital

A Multicenter Prospective Diagnostic Accuracy Study of Three CT-Based Artificial Intelligence Models for Predicting Malignancy Risk in Pulmonary Nodules Using Pathology as the Gold Standard

This multicenter prospective diagnostic accuracy study will compare the performance of three artificial intelligence (AI) models (MVCS, LungDoc, and a United Imaging AI model) for predicting the malignancy risk of pulmonary nodules on chest CT. All enrolled patients will have pulmonary nodules ≤3 cm on CT and a definitive postoperative or biopsy pathological diagnosis. The AI models will generate continuous malignancy probability scores based only on CT images. Pathology will serve as the gold standard.

The primary objective is to compare the area under the receiver operating characteristic curve (AUC) for malignancy prediction among the three AI models. Secondary objectives include comparison of sensitivity, specificity, positive and negative predictive values, accuracy, F1 score, and calibration. Exploratory analyses will evaluate the MVCS model for predicting pathological invasion degree (pre-invasive, minimally invasive, and invasive adenocarcinoma) and an extended MVCSN model that incorporates clinical and imaging features in a data-complete subset.

Studienübersicht

Status

Status

Zeigt den aktuellen Rekrutierungsstatus oder den erweiterten Zugriffsstatus an.
Noch keine Rekrutierung

Bedingungen

Bedingungen

Die Krankheit, Störung, das Syndrom, die Krankheit oder die Verletzung, die untersucht wird. Auf ClinicalTrials.gov können die Bedingungen auch andere gesundheitsbezogene Themen wie Lebensdauer, Lebensqualität und Gesundheitsrisiken umfassen.

Detaillierte Beschreibung

Lung cancer is the leading cause of cancer-related morbidity and mortality worldwide. Low-dose CT (LDCT) screening improves early detection but generates a high prevalence of indeterminate pulmonary nodules and substantial false positives, leading to unnecessary invasive procedures and anxiety while still risking missed early cancers. Traditional radiologic assessment of pulmonary nodules relies on visual features and clinical risk factors, with limited performance and substantial reader variability, especially for small or subsolid nodules.

Recent advances in deep learning enable AI models to extract high-dimensional imaging features from CT scans and to predict nodule malignancy and risk stratification. Several commercial AI systems for pulmonary nodule assessment have been approved and deployed in clinical practice, and academic groups have proposed novel algorithms such as the multi-view coupled self-attention (MVCS) model. However, most prior studies have been single-center, retrospective, and used reference standards such as imaging follow-up or expert reading rather than biopsy pathology. Head-to-head comparisons of different AI models in prospective, multicenter real-world populations with pathological gold standard are lacking.

This study is a multicenter, prospective, diagnostic accuracy comparison of three purely imaging-based AI models-MVCS, LungDoc (Shukun Technology), and a United Imaging AI model-for predicting the malignancy of pulmonary nodules. Eligible patients are adults (≥18 years) with at least one pulmonary nodule ≤3 cm on CT, who undergo surgical or biopsy pathology with a definitive benign or malignant diagnosis, and with a CT-pathology interval ≤6 months. CT images in DICOM format will be collected using standardized acquisition parameters across centers and processed by the three AI models, which output continuous malignancy probabilities or suspicion scores. Investigators will be blinded to AI outputs.

The primary endpoint is the AUC for malignancy prediction for each model, and pairwise AUC comparisons using DeLong's test. Secondary endpoints include binary performance metrics (sensitivity, specificity, PPV, NPV, accuracy, F1 score) at model-native thresholds and optimal Youden index thresholds, as well as calibration (calibration curves, intercept, slope). Prespecified subgroup analyses will examine performance by age, sex, smoking status, nodule size, morphology, and study center, and random-effects methods will be used to assess center effects.

An exploratory aim will validate the MVCS model for predicting pathological invasion degree by classifying nodules into pre-invasive lesions (atypical adenomatous hyperplasia [AAH] / adenocarcinoma in situ [AIS]), minimally invasive adenocarcinoma (MIA), and invasive adenocarcinoma (ADC), using metrics such as multi-class accuracy, weighted F1 score, confusion matrix, Matthews correlation coefficient, and AUC for predefined binary sub-tasks. Another exploratory analysis will evaluate the MVCSN model, which incorporates CT images plus clinical and radiologic features, in a subset with complete data.

The study plans to enroll 3,000 pathologically confirmed pulmonary nodules across five centers in China over approximately 30 months. No experimental treatment is administered; all clinical management, imaging, and pathology follow standard of care. Risks are limited to those associated with clinically indicated pathology procedures (e.g., surgery or biopsy).

Studientyp

Studientyp

Beschreibt die Art einer klinischen Studie. Zu den Studientypen gehören Interventionsstudien (auch klinische Studien genannt), Beobachtungsstudien (einschließlich Patientenregister) und erweiterter Zugang.
Beobachtungs

Einschreibung (Geschätzt)

Einschreibung

Die Anzahl der Teilnehmer an einer klinischen Studie. Die „erwartete“ Einschreibung ist die Zielzahl an Teilnehmern, die die Forscher für die Studie benötigen.
3000

Kontakte und Standorte

Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.

Studienkontakt

Studienkontakt

Der Name und die Kontaktinformationen der Person, die Fragen zur Registrierung für eine klinische Studie beantworten kann. Jeder Standort, an dem die Studie durchgeführt wird, kann auch einen bestimmten Ansprechpartner haben, der diese Fragen möglicherweise besser beantworten kann.

Studienorte

  • China
    • Chongqing Municipality
      • Chongqing, Chongqing Municipality, China, 400037
        • Second Affiliated Hospital of Army Medical University (Xinqiao Hospital)
        • Kontakt:
    • Guangdong
      • Guangzhou, Guangdong, China, 510000
        • Guangdong Provincial People's Hospital
        • Kontakt:
        • Hauptermittler:
          • Wenzhao Zhong, PhD
      • Guangzhou, Guangdong, China, 510000
        • Zhujiang Hospital, Southern Medical University
        • Kontakt:
    • Jiangsu
      • Xuzhou, Jiangsu, China, 221006
        • Affiliated Hospital of Xuzhou Medical University
        • Kontakt:
    • Zhejiang
      • Hangzhou, Zhejiang, China, 310003
        • Zhejiang University
        • Kontakt:

Teilnahmekriterien

Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.

Zulassungskriterien

Zulassungskriterien

Die wichtigsten Voraussetzungen, die Personen erfüllen müssen, die an einer klinischen Studie teilnehmen möchten, bzw. welche Eigenschaften sie mitbringen müssen. Auswahlkriterien bestehen sowohl aus Einschlusskriterien (die erforderlich sind, damit eine Person an der Studie teilnehmen kann) als auch aus Ausschlusskriterien (die eine Person an der Teilnahme hindern). Arten von Zulassungskriterien umfassen, ob eine Studie gesunde Freiwillige akzeptiert, Alters- oder Altersgruppenanforderungen hat oder durch das Geschlecht begrenzt ist.

Studienberechtigtes Alter

  • Erwachsene
  • Älterer Erwachsener

Akzeptiert gesunde Freiwillige

Nein

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

Adults (≥18 years) undergoing routine clinical care at five tertiary hospitals in China who have at least one pulmonary nodule (≤3 cm) detected on chest CT and receive surgical or biopsy pathology with a definitive benign or malignant diagnosis. All participants have adequate CT image quality and complete clinicopathologic information for AI model validation

Beschreibung

Inclusion Criteria:

  • Age ≥ 18 years, any sex.
  • At least one pulmonary nodule detected on chest CT, with initial nodule diameter ≤ 3 cm.
  • The nodule undergoes surgical resection or biopsy with a definitive benign or malignant pathological diagnosis.
  • Time interval between CT examination and pathological examination ≤ 6 months.
  • Availability of complete CT imaging data in DICOM format with adequate image quality (no severe artifacts), meeting input requirements of all three AI models.

Availability of complete clinicopathologic information including histologic type and grade, with clear pathological diagnosis suitable as gold standard labels for AI validation.

-The patient (or legally authorized representative) is willing and able to sign written informed consent.

Exclusion Criteria:

  • Pathological results are unclear, inconclusive, or disputed; nodule nature or grade cannot be reliably determined.
  • The patient receives treatments between CT and pathology that may significantly alter nodule appearance (e.g., chemotherapy, radiotherapy, targeted therapy).
  • CT imaging data are incomplete (missing essential series) or have severe motion, metal, or other artifacts preventing accurate AI analysis.
  • Required metadata for any AI model are missing and cannot be imputed. History of other malignant tumors (malignancies other than the index non-small cell lung cancer).
  • Severe psychiatric illness, cognitive impairment, or other conditions that prevent cooperation with study-related procedures and follow-up.

Participation in another clinical study that may interfere with the results of this research.

-The patient or legal representative refuses participation.

Exclusion (Post-Enrollment / Removal from Analysis)

Participants already enrolled may be excluded from the analysis set if:

  • They are later found not to meet inclusion criteria or to meet exclusion criteria.
  • No usable data are available after enrollment.
  • Required AI model assessments are not completed (e.g., technical failure to generate outputs).
  • Critical data are missing, preventing contribution to primary analysis.
  • The interval between CT and pathology exceeds 6 months.

Studienplan

Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.

Wie ist die Studie aufgebaut?

Designdetails

Kohorten und Interventionen

Gruppe / Kohorte

Gruppe / Kohorte

Eine Gruppe oder Untergruppe von Teilnehmern an einer Beobachtungsstudie, die hinsichtlich biomedizinischer oder gesundheitlicher Ergebnisse bewertet wird.
Single group
This study has only one group.

Was misst die Studie?

Primäre Ergebnismessungen

Primäre Ergebnismessungen

Im Protokoll einer klinischen Studie die geplante Ergebnismessung, die für die Bewertung der Wirkung einer Intervention/Behandlung am wichtigsten ist. Die meisten klinischen Studien haben einen primären Endpunkt, aber einige haben mehr als einen.
Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Area Under the ROC Curve (AUC) for Malignancy Prediction
Zeitfenster: At the time of availability of pathology results, up to 6 months after index chest CT
For each pure imaging AI model (MVCS, LungDoc, United Imaging model), the AUC of the receiver operating characteristic curve for predicting malignant versus benign pulmonary nodules, based on continuous malignancy probabilities or suspicion scores. AUCs will be reported with 95% confidence intervals, and pairwise comparisons will be conducted using DeLong's test.
At the time of availability of pathology results, up to 6 months after index chest CT

Sekundäre Ergebnismessungen

Sekundäre Ergebnismessungen

Im Protokoll einer klinischen Studie ein geplantes Ergebnismaß, das nicht so wichtig ist wie das primäre Ergebnismaß für die Bewertung der Wirkung einer Intervention, aber dennoch von Interesse ist. Die meisten klinischen Studien haben mehr als einen sekundären Endpunkt.
Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Sensitivity and Specificity for Malignancy Prediction
Zeitfenster: At the time of availability of pathology results, up to 6 months after index chest CT
Sensitivity and specificity for classifying nodules as malignant vs benign for each AI model, using both (a) model-predefined thresholds and (b) optimal cut-off points determined by maximizing the Youden index. 95% confidence intervals will be reported; paired comparisons will use McNemar's test.
At the time of availability of pathology results, up to 6 months after index chest CT
Positive Predictive Value (PPV) and Negative Predictive Value (NPV)
Zeitfenster: At the time of availability of pathology results, up to 6 months after index chest CT
PPV and NPV for malignancy prediction for each AI model at the same thresholds as above, with 95% confidence intervals.
At the time of availability of pathology results, up to 6 months after index chest CT
Overall Diagnostic Accuracy and F1 Score
Zeitfenster: At the time of availability of pathology results, up to 6 months after index chest CT
Proportion of correctly classified nodules (accuracy) and F1 score for each AI model in the binary task of malignant versus benign nodules, with 95% confidence intervals.
At the time of availability of pathology results, up to 6 months after index chest CT
Calibration Metrics
Zeitfenster: At the time of availability of pathology results, up to 6 months after index chest CT
Calibration performance of each AI model will be evaluated by calibration plots, calibration intercept, and calibration slope for predicted malignancy probability versus observed malignant proportion. Hosmer-Lemeshow goodness-of-fit test will be reported.
At the time of availability of pathology results, up to 6 months after index chest CT

Andere Ergebnismessungen

Andere Ergebnismessungen

Bei klinischen Studien eine im Protokoll beschriebene geplante Messung, die verwendet wird, um die Wirkung einer Intervention/Behandlung auf die Teilnehmer zu bestimmen. Bei Beobachtungsstudien eine Messung oder Beobachtung, die verwendet wird, um Muster von Krankheiten oder Merkmalen oder Assoziationen mit Expositionen, Risikofaktoren oder Behandlungen zu beschreiben. Arten von Ergebnismaßen umfassen primäres Ergebnismaß und sekundäres Ergebnismaß.
Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Multi-Class Accuracy of MVCS for Pathological Invasion Degree
Zeitfenster: At the time of availability of pathology results, up to 6 months after index chest CT
For nodules with specific pathological subtypes (AAH, AIS, MIA, ADC), performance of the MVCS model in three-class classification: pre-invasive lesions (AAH-AIS), minimally invasive adenocarcinoma (MIA), and invasive adenocarcinoma (ADC). Metrics include overall three-class accuracy and weighted F1 score.
At the time of availability of pathology results, up to 6 months after index chest CT
Matthews Correlation Coefficient (MCC) and Confusion Matrix for Invasion Classification
Zeitfenster: At the time of availability of pathology results, up to 6 months after index chest CT
At the time of availability of pathology results, up to 6 months after index chest CT
Exploratory Performance of MVCSN Model for Malignancy Prediction
Zeitfenster: At the time of availability of pathology results, up to 6 months after index chest CT
In a subset with complete clinical and imaging feature data, the MVCSN model (CT + clinical + imaging features) will be evaluated for malignancy prediction using similar metrics (AUC, sensitivity, specificity, PPV, NPV, accuracy, F1, calibration). Results will be used exploratorily and not for primary hypothesis testing.
At the time of availability of pathology results, up to 6 months after index chest CT

Mitarbeiter und Ermittler

Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.

Sponsor

Sponsor

Die Organisation oder Person, die die Studie initiiert und die Autorität und Kontrolle über die Studie hat.
Guangdong Provincial People's Hospital

Studienaufzeichnungsdaten

Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.

Haupttermine studieren

Studienbeginn (Geschätzt)

Studienbeginn

Das tatsächliche Datum, an dem der erste Teilnehmer in eine klinische Studie aufgenommen wurde. Das „voraussichtliche“ Studienstartdatum ist das Datum, von dem die Forscher glauben, dass es das Studienstartdatum sein wird.
1. Juli 2026

Primärer Abschluss (Geschätzt)

Primärer Abschluss

Das Datum, an dem der letzte Teilnehmer einer klinischen Studie untersucht wurde oder eine Intervention erhalten hat, um endgültige Daten für das primäre Ergebnis zu sammeln. Ob die klinische Studie protokollgemäß endete oder beendet wurde, hat keinen Einfluss auf dieses Datum. Bei klinischen Studien mit mehr als einem primären Ergebnismaß mit unterschiedlichen Abschlussdaten bezieht sich dieser Begriff auf das Datum, an dem die Datenerhebung für alle primären Ergebnismaße abgeschlossen ist. Das „erwartete“ primäre Abschlussdatum ist das Datum, von dem die Forscher glauben, dass es das primäre Abschlussdatum für die Studie sein wird.
1. März 2028

Studienabschluss (Geschätzt)

Studienabschluss

Das Datum, an dem der letzte Teilnehmer an einer klinischen Studie untersucht wurde oder eine Intervention/Behandlung erhielt, um endgültige Daten für die primären Ergebnismaße, sekundären Ergebnismaße und Nebenwirkungen zu sammeln (d. h. der letzte Besuch des letzten Teilnehmers). Das „voraussichtliche“ Abschlussdatum der Studie ist das Datum, von dem die Forscher glauben, dass es das Abschlussdatum der Studie sein wird.
1. Dezember 2028

Studienanmeldedaten

Zuerst eingereicht

Zuerst eingereicht

Das Datum, an dem der Studiensponsor oder Prüfer zum ersten Mal einen Studienbericht bei ClinicalTrials.gov eingereicht hat. Zwischen dem Datum der ersten Einreichung und der Verfügbarkeit des Datensatzes auf ClinicalTrials.gov (dem ersten veröffentlichten Datum) liegt in der Regel eine Verzögerung von einigen Tagen.
18. Juli 2026

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

Das Datum, an dem der Studiensponsor oder Prüfer zum ersten Mal einen Studienbericht einreicht, der den Qualitätskontrollkriterien (QC) der National Library of Medicine (NLM) entspricht. Der Sponsor oder Prüfer muss möglicherweise einen Studienbericht ein- oder mehrmals überarbeiten und einreichen, bevor die QC-Überprüfungskriterien von NLM erfüllt sind. Es liegt in der Verantwortung des Sponsors oder Prüfers, sicherzustellen, dass die Studienaufzeichnung mit den NLM-QC-Überprüfungskriterien übereinstimmt.
22. Juli 2026

Zuerst gepostet (Tatsächlich)

Zuerst gepostet

Das Datum, an dem der Studienbericht zum ersten Mal auf ClinicalTrials.gov verfügbar war, nachdem die Qualitätskontrolle (QC) der National Library of Medicine (NLM) abgeschlossen wurde. Zwischen dem Datum, an dem der Studiensponsor oder Prüfer den Studienbericht eingereicht hat, und dem ersten veröffentlichten Datum liegt in der Regel eine Verzögerung von einigen Tagen.
27. Juli 2026

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

Letztes Update gepostet

Das letzte Datum, an dem Änderungen an einem Studienbericht auf ClinicalTrials.gov verfügbar gemacht wurden. Es kann eine Verzögerung zwischen der Übermittlung der Änderungen an ClinicalTrials.gov durch den Sponsor oder Prüfer der Studie (Datum der letzten eingereichten Aktualisierung) und dem Datum der letzten Veröffentlichung der Aktualisierung geben.
27. Juli 2026

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

Das letzte Datum, an dem der Studiensponsor oder Prüfer Änderungen an einem Studienbericht eingereicht hat, die mit den Qualitätskontrollkriterien (QC) der National Library of Medicine (NLM) übereinstimmen. Es liegt in der Verantwortung des Sponsors oder Prüfers, sicherzustellen, dass die Studienaufzeichnung mit den NLM-QC-Überprüfungskriterien übereinstimmt.
22. Juli 2026

Zuletzt verifiziert

Zuletzt verifiziert

Das letzte Datum, an dem der Studiensponsor oder Prüfer die Informationen über eine klinische Studie auf ClinicalTrials.gov als richtig und aktuell bestätigt hat. Wenn eine Studie den Rekrutierungsstatus Recruiting hat; noch keine Rekrutierung; oder aktiv, keine Rekrutierung wurde innerhalb der letzten 2 Jahre nicht bestätigt, der Rekrutierungsstatus der Studie wird als unbekannt angezeigt.
1. Juli 2026

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Schlüsselwörter

Zusätzliche relevante MeSH-Bedingungen

Andere Studien-ID-Nummern

Andere Studien-ID-Nummern

Andere Identifikatoren oder ID-Nummern als die NCT-Nummer, die einer klinischen Studie vom Sponsor der Studie, Geldgebern oder anderen zugewiesen werden. Diese Nummern können eindeutige Kennungen von anderen Studienregistern und Zuschussnummern der National Institutes of Health enthalten.
  • KY2026-585-02
  • 2024ZD0529400 (Andere Zuschuss-/Finanzierungsnummer: National Science and Technology Major Project of China)

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

UNENTSCHIEDEN

Arzneimittel- und Geräteinformationen, Studienunterlagen

Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt

Nein

Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt

Nein

Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .

Cookie-Einstellungen

Wir verwenden Cookies, um sicherzustellen, dass Sie auf unserer Website die bestmögliche Erfahrung machen. Weitere Informationen finden Sie in unserer Datenschutz- und Cookie-Richtlinien. ...>>>Sie können Ihre Einstellungen jederzeit ändern oder Ihre Einwilligung widerrufen, indem Sie die Cookies wie in der Richtlinie beschrieben von Ihrer Website oder Ihrem Computer löschen. Bitte akzeptieren Sie es und wählen Sie Ihre Einstellungen, indem Sie die entsprechenden Kästchen im Abschnitt "Einstellungen verwalten" unten ankreuzen. Bitte lesen Sie unsere Nutzungsbedingungen sorgfältig durch, bevor Sie einen Teil dieser Website nutzen.
«Einstellungen verwalten