Artificial Intelligence-Based Early Warning for Distant Metastasis in Malignant Tumors
25. Mai 2026 aktualisiert von: Chen Kai, Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University
Early detection and timely intervention of distant metastasis are essential for improving the prognosis of patients with malignant tumors.
However, current clinical methods have notable limitations.
Conventional imaging can only detect macroscopic metastatic lesions, failing to seize the optimal intervention window before metastasis occurs or during the micrometastasis stage.
Previous research has adopted artificial intelligence to break the constraints of traditional imaging and realized subclinical early warning of distant metastasis based on retrospective data.
On this basis, the present study aims to systematically validate the predictive performance and generalizability of the model in real-world clinical settings via a prospective cohort.
This study intends to establish an organ-specific, non-invasive and cost-effective pan-cancer tool for early warning of distant metastasis.
It can gain critical time for clinical intervention, help reduce the incidence of distant metastasis and ultimately optimize patient prognosis.
Studienübersicht
Status
Noch keine Rekrutierung
Bedingungen
Studientyp
Beobachtungs
Einschreibung (Geschätzt)
10000
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
Studienberechtigtes Alter
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Nein
Probenahmeverfahren
Nicht-Wahrscheinlichkeitsprobe
Studienpopulation
The enrolled patients are those diagnosed with malignant tumors who receive treatment in hospitals across China and undergo regular follow-up.
Beschreibung
Inclusion Criteria:
- Aged ≥ 18 years old;
- Diagnosed with malignant tumor confirmed by histopathology;
- No distant metastasis detected at baseline enrollment assessment;
- Regular imaging examinations for distant metastasis assessment are scheduled in the routine follow-up protocol after enrollment;
- Complete baseline clinicopathological data are available;
- Patients provide informed consent and permit researchers to collect and analyze their subsequent imaging and clinicopathological data.
Exclusion Criteria:
- Concurrent presence of two or more primary malignant tumors;
- Presence of any medical or social factors that may interfere with completion of routine imaging follow-up.
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 |
|---|
|
Model-predicted positive group
The model-predicted positive group is defined as patients predicted by the artificial intelligence model to develop distant metastasis in the future.
|
|
Model-predicted negative group
The model-predicted negative group is defined as patients predicted by the artificial intelligence model not to develop distant metastasis in the future.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Incidence of distant metastasis
Zeitfenster: At each routine follow-up visit (interval: approximately 6 months to 1 year)
|
Proportion of patients with distant metastasis among malignant tumor cases
|
At each routine follow-up visit (interval: approximately 6 months to 1 year)
|
Mitarbeiter und Ermittler
Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.
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)
1. Juni 2026
Primärer Abschluss (Geschätzt)
31. Dezember 2036
Studienabschluss (Geschätzt)
31. Dezember 2036
Studienanmeldedaten
Zuerst eingereicht
19. Mai 2026
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
25. Mai 2026
Zuerst gepostet (Tatsächlich)
29. Mai 2026
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
29. Mai 2026
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
25. Mai 2026
Zuletzt verifiziert
1. Mai 2026
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Andere Studien-ID-Nummern
- SYSKY-2026-372-01
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 .