Validation of a Deep Learning Tool for Opportunistic Osteoporosis Screening Using Routine Non-Contrast CT Scans
1. September 2026 aktualisiert von: Yang Fan, Union Hospital, Tongji Medical College, Huazhong University of Science and Technology
Prospective Clinical Validation Study of a Deep Learning Model for Opportunistic Osteoporosis Screening Based on Non-Contrast CT Scans
The goal of this clinical trial is to test if an artificial intelligence (AI) tool called DeepBMD can accurately identify people at high risk for osteoporosis using routine chest or abdomen CT scans. The main questions it aims to answer are:
- Can the DeepBMD tool correctly identify people who have osteoporosis compared to the standard bone density test, dual-energy X-ray absorptiometry (DXA)?
- Is it practical to use this AI tool in real-world hospital settings to find and contact high-risk patients? Researchers will use the DeepBMD tool to analyze existing CT scans. If the tool flags a patient as high risk, researchers will call them to invite them for a standard bone density test (DXA).
Participants will:
- Have their existing chest or abdomen CT scan analyzed by the DeepBMD AI tool;
- Receive a phone call from the research team if identified as high risk;
- Visit the clinic for a free standard bone density test (DXA) if they agree to participate.
Studienübersicht
Status
Aktiv, nicht rekrutierend
Bedingungen
Intervention / Behandlung
Studientyp
Beobachtungs
Einschreibung (Geschätzt)
100
Kontakte und Standorte
Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.
Studienorte
-
-
Hubei
-
Wuhan, Hubei, China, 430022
- Union Hospital, Tongji Medical College, Huazhong University of Science and Technology
-
-
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
Patients who underwent non-contrast CT at our hospital (Union Hospital, Tongji Medical College, Huazhong University of Science and Technology) and were identified as high-risk for osteoporosis by the DeepBMD model.
Beschreibung
Inclusion Criteria:
- Underwent non-contrast CT at our institution, with qualified image quality and no severe artifacts;
- Identified as high-risk for osteoporosis by the DeepBMD model;
- Had valid contact information available in the PACS, possessed normal cognitive and communication abilities, and was able to cooperate with telephone follow-ups and on-site examinations;
- Voluntarily participated in the study, was able to sign a written informed consent form on-site, and agreed to undergo DXA examination.
Exclusion Criteria:
- Severe spinal deformity, postoperative spinal internal fixation, malignant bone metastasis, or severe osteolytic lesions that may interfere with measurements;
- A confirmed diagnosis of osteoporosis with ongoing standardized treatment;
- Inability to be contacted, explicit refusal of follow-up, or inability to visit the hospital for informed consent signing and DXA examination.
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 |
Intervention / Behandlung |
|---|---|
|
High-risk patients for osteoporosis identified by DeepBMD model
Patients who underwent routine chest or abdominal CT scans and were identified as high risk for osteoporosis by the DeepBMD AI model.
These participants will be contacted via telephone, invited to the clinic, and undergo a free DXA scan to verify bone mineral density.
|
The DeepBMD model is applied to routine chest or abdominal CT scans to identify patients at high risk for osteoporosis.
This is a non-invasive image analysis used solely for screening and recruitment purposes, not as a therapeutic intervention.
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Diagnostic performance of DeepBMD model for osteoporosis screening
Zeitfenster: Concurrent with the DXA validation visit following the CT analysis (within 7 days).
|
The diagnostic performance of the DeepBMD model will be evaluated by comparing its predictions against the gold standard Dual-energy X-ray Absorptiometry (DXA).
Specifically, we will calculate the sensitivity, specificity, positive predictive value (PPV), negative predictive value (NPV), and the Area Under the Receiver Operating Characteristic Curve (AUC) for identifying patients with osteoporosis.
|
Concurrent with the DXA validation visit following the CT analysis (within 7 days).
|
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Feasibility of the DeepBMD screening and recall workflow
Zeitfenster: At the end of recruitment
|
It will be assessed by calculating the proportion of patients identified as high-risk by DeepBMD who successfully complete the telephone follow-up and undergo the confirmatory DXA scan within the scheduled timeframe.
We will also record the reasons for refusal or loss to follow-up to evaluate the acceptability of this AI-driven screening pathway.
|
At the end of recruitment
|
Mitarbeiter und Ermittler
Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.
Ermittler
- Hauptermittler: Fan Yang, PhD, MD, Union Hospital, Tongji Medical College, Huazhong University of Science and Technology
Publikationen und hilfreiche Links
Die Bereitstellung dieser Publikationen erfolgt freiwillig durch die für die Eingabe von Informationen über die Studie verantwortliche Person. Diese können sich auf alles beziehen, was mit dem Studium zu tun hat.
Allgemeine Veröffentlichungen
- Jang S, Graffy PM, Ziemlewicz TJ, Lee SJ, Summers RM, Pickhardt PJ. Opportunistic Osteoporosis Screening at Routine Abdominal and Thoracic CT: Normative L1 Trabecular Attenuation Values in More than 20 000 Adults. Radiology. 2019 May;291(2):360-367. doi: 10.1148/radiol.2019181648. Epub 2019 Mar 26.
- Wang P, She W, Mao Z, Zhou X, Li Y, Niu J, Jiang M, Huang G. Use of routine computed tomography scans for detecting osteoporosis in thoracolumbar vertebral bodies. Skeletal Radiol. 2021 Feb;50(2):371-379. doi: 10.1007/s00256-020-03573-y. Epub 2020 Aug 7.
- Smith AD. Screening of Bone Density at CT: An Overlooked Opportunity. Radiology. 2019 May;291(2):368-369. doi: 10.1148/radiol.2019190434. Epub 2019 Mar 26. No abstract available.
- Zeng Q, Li N, Wang Q, Feng J, Sun D, Zhang Q, Huang J, Wen Q, Hu R, Wang L, Ma Y, Fu X, Dong S, Cheng X. The Prevalence of Osteoporosis in China, a Nationwide, Multicenter DXA Survey. J Bone Miner Res. 2019 Oct;34(10):1789-1797. doi: 10.1002/jbmr.3757. Epub 2019 Aug 29.
- Cheng X, Zhao K, Zha X, Du X, Li Y, Chen S, Wu Y, Li S, Lu Y, Zhang Y, Xiao X, Li Y, Ma X, Gong X, Chen W, Yang Y, Jiao J, Chen B, Lv Y, Gao J, Hong G, Pan Y, Yan Y, Qi H, Ran L, Zhai J, Wang L, Li K, Fu H, Wu J, Liu S, Blake GM, Pickhardt PJ, Ma Y, Fu X, Dong S, Zeng Q, Guo Z, Hind K, Engelke K, Tian W; China Health Big Data (China Biobank) project investigators. Opportunistic Screening Using Low-Dose CT and the Prevalence of Osteoporosis in China: A Nationwide, Multicenter Study. J Bone Miner Res. 2021 Mar;36(3):427-435. doi: 10.1002/jbmr.4187. Epub 2020 Nov 4.
- Lin X, Xiong D, Peng YQ, Sheng ZF, Wu XY, Wu XP, Wu F, Yuan LQ, Liao EY. Epidemiology and management of osteoporosis in the People's Republic of China: current perspectives. Clin Interv Aging. 2015 Jun 25;10:1017-33. doi: 10.2147/CIA.S54613. eCollection 2015.
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 (Tatsächlich)
28. Juli 2026
Primärer Abschluss (Tatsächlich)
28. August 2026
Studienabschluss (Geschätzt)
1. September 2026
Studienanmeldedaten
Zuerst eingereicht
22. Juli 2026
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
27. Juli 2026
Zuerst gepostet (Tatsächlich)
31. Juli 2026
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
3. September 2026
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
1. September 2026
Zuletzt verifiziert
1. September 2026
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- UHCT260668
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
JA
Beschreibung des IPD-Plans
De-identified individual participant data (IPD) will be made available to researchers who provide a methodologically sound proposal.
The shared data will include the demographic information, DeepBMD screening results, and confirmatory DXA T-scores used in the study analyses.
Requests should be directed to the corresponding author via email.
Data will be available for non-commercial academic research purposes only.
Applicants must sign a data access agreement prior to receiving the data.
IPD-Sharing-Zeitrahmen
Data will be available beginning 3 months following article publication and ending 36 months following article publication.
IPD-Sharing-Zugriffskriterien
Researchers who provide a methodologically sound proposal for specific research questions related to osteoporosis screening or AI diagnostics will be granted access.
Approved researchers will have access to the de-identified dataset containing patient demographics, imaging analysis results, and clinical outcomes.
Access will be granted via secure email transfer after signing a data use agreement.
Art der unterstützenden IPD-Freigabeinformationen
- STUDIENPROTOKOLL
- SAFT
- ANALYTIC_CODE
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 .