Validation of a Deep Learning Tool for Opportunistic Osteoporosis Screening Using Routine Non-Contrast CT Scans
1 de septiembre de 2026 actualizado por: 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.
Descripción general del estudio
Estado
Estado
Activo, no reclutando
Condiciones
Condiciones
Intervención / Tratamiento
Intervención / Tratamiento
Tipo de estudio
Tipo de estudio
De observación
Inscripción (Estimado)
Inscripción
100
Contactos y Ubicaciones
Esta sección proporciona los datos de contacto de quienes realizan el estudio e información sobre dónde se lleva a cabo este estudio.
Ubicaciones de estudio
-
-
Hubei
-
Wuhan, Hubei, Porcelana, 430022
- Union Hospital, Tongji Medical College, Huazhong University of Science and Technology
-
-
Criterios de participación
Los investigadores buscan personas que se ajusten a una determinada descripción, denominada criterio de elegibilidad. Algunos ejemplos de estos criterios son el estado de salud general de una persona o tratamientos previos.
Criterio de elegibilidad
Criterio de elegibilidad
Edades elegibles para estudiar
- Adulto
- Adulto Mayor
Acepta Voluntarios Saludables
No
Método de muestreo
Muestra no probabilística
Población de estudio
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.
Descripción
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.
Plan de estudios
Esta sección proporciona detalles del plan de estudio, incluido cómo está diseñado el estudio y qué mide el estudio.
¿Cómo está diseñado el estudio?
Detalles de diseño
Número de grupos/cohortes
1
Cohortes e Intervenciones
Grupo / CohorteGrupo / Cohorte |
Intervención / TratamientoIntervención / Tratamiento |
|---|---|
|
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.
|
¿Qué mide el estudio?
Medidas de resultado primarias
Medidas de resultado primarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Diagnostic performance of DeepBMD model for osteoporosis screening
Periodo de tiempo: 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).
|
Medidas de resultado secundarias
Medidas de resultado secundarias
Medida de resultado |
Medida Descripción |
Periodo de tiempo |
|---|---|---|
|
Feasibility of the DeepBMD screening and recall workflow
Periodo de tiempo: 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
|
Colaboradores e Investigadores
Aquí es donde encontrará personas y organizaciones involucradas en este estudio.
Patrocinador
Patrocinador
Investigadores
Investigadores
- Investigador principal: Fan Yang, PhD, MD, Union Hospital, Tongji Medical College, Huazhong University of Science and Technology
Publicaciones y enlaces útiles
La persona responsable de ingresar información sobre el estudio proporciona voluntariamente estas publicaciones. Estos pueden ser sobre cualquier cosa relacionada con el estudio.
Publicaciones Generales
- 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.
Fechas de registro del estudio
Estas fechas rastrean el progreso del registro del estudio y los envíos de resultados resumidos a ClinicalTrials.gov. Los registros del estudio y los resultados informados son revisados por la Biblioteca Nacional de Medicina (NLM) para asegurarse de que cumplan con los estándares de control de calidad específicos antes de publicarlos en el sitio web público.
Fechas importantes del estudio
Inicio del estudio (Actual)
Inicio del estudio
28 de julio de 2026
Finalización primaria (Actual)
Finalización primaria
28 de agosto de 2026
Finalización del estudio (Estimado)
Finalización del estudio
1 de septiembre de 2026
Fechas de registro del estudio
Enviado por primera vez
Enviado por primera vez
22 de julio de 2026
Primero enviado que cumplió con los criterios de control de calidad
Primero enviado que cumplió con los criterios de control de calidad
27 de julio de 2026
Publicado por primera vez (Actual)
Publicado por primera vez
31 de julio de 2026
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
Última actualización publicada
3 de septiembre de 2026
Última actualización enviada que cumplió con los criterios de control de calidad
Última actualización enviada que cumplió con los criterios de control de calidad
1 de septiembre de 2026
Última verificación
Última verificación
1 de septiembre de 2026
Más información
Términos relacionados con este estudio
Palabras clave
Términos MeSH relevantes adicionales
Otros números de identificación del estudio
Otros números de identificación del estudio
- UHCT260668
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
SÍ
Descripción del plan IPD
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.
Marco de tiempo para compartir IPD
Data will be available beginning 3 months following article publication and ending 36 months following article publication.
Criterios de acceso compartido de IPD
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.
Tipo de información de apoyo para compartir IPD
- PROTOCOLO DE ESTUDIO
- SAVIA
- CÓDIGO_ANALÍTICO
Información sobre medicamentos y dispositivos, documentos del estudio
Estudia un producto farmacéutico regulado por la FDA de EE. UU.
No
Estudia un producto de dispositivo regulado por la FDA de EE. UU.
No
Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .