- ICH GCP
- Registro de ensayos clínicos de EE. UU.
- Ensayo clínico NCT07799038
A Multicenter Prospective Study Evaluating the Diagnostic Performance of Femtosecond Laser Label-Free Imaging Combined With Artificial Intelligence for Predicting High-Risk Pathological Features in Lung Cancer
28 de agosto de 2026 actualizado por: Shanghai Zhongshan Hospital
To investigate the diagnostic performance of Femtosecond Laser Label-Free Imaging combined with artificial intelligence for predicting high-risk pathological features in lung cancer
Descripción general del estudio
Estado
Aún no reclutando
Condiciones
Intervención / Tratamiento
Tipo de estudio
De observación
Inscripción (Estimado)
333
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
Edades elegibles para estudiar
- Niño
- Adulto
- Adulto Mayor
Acepta Voluntarios Saludables
N/A
Método de muestreo
Muestra no probabilística
Población de estudio
Lung cancer patients undergoing pulmonary resection.
Descripción
Inclusion Criteria:
- Pulmonary nodules detected by clinical imaging with an indication for surgical resection.
- Patient agrees to and is planned for pulmonary (partial) resection.
- Resected specimens are suitable for FLI imaging.
- Written informed consent obtained from the patient or legal representative.
- Patients undergoing pulmonary (partial) resection at our hospital during this study.
Exclusion Criteria:
- Insufficient sample.
- Specimen with crushing, contamination, or improper preservation, precluding valid imaging as judged by the investigator.
- Inability to obtain matched pathology results corresponding to FLI images.
- Inability to obtain final pathological diagnosis.
- Other conditions deemed by the investigator as unsuitable for study participation.
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
¿Qué mide el estudio?
Medidas de resultado primarias
Medida de resultado |
Periodo de tiempo |
|---|---|
|
The primary endpoint is the accuracy of the FLI combined with the AI model in predicting regional lymph node metastasis status in lung cancer, evaluated using postoperative pathology results as the reference standard.
Periodo de tiempo: through study completion, an average of 2 year
|
through study completion, an average of 2 year
|
Colaboradores e Investigadores
Aquí es donde encontrará personas y organizaciones involucradas en este estudio.
Patrocinador
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 (Estimado)
1 de septiembre de 2026
Finalización primaria (Estimado)
31 de agosto de 2028
Finalización del estudio (Estimado)
31 de agosto de 2028
Fechas de registro del estudio
Enviado por primera vez
24 de agosto de 2026
Primero enviado que cumplió con los criterios de control de calidad
28 de agosto de 2026
Publicado por primera vez (Actual)
2 de septiembre de 2026
Actualizaciones de registros de estudio
Última actualización publicada (Actual)
2 de septiembre de 2026
Última actualización enviada que cumplió con los criterios de control de calidad
28 de agosto de 2026
Última verificación
1 de agosto de 2026
Más información
Términos relacionados con este estudio
Palabras clave
Términos MeSH relevantes adicionales
- Procesos Patológicos
- Neoplasias por sitio
- Neoplasias
- Enfermedades de las vías respiratorias
- Enfermedades pulmonares
- Neoplasias de las vías respiratorias
- Neoplasias torácicas
- Condiciones Patológicas, Signos y Síntomas
- Neoplasias Pulmonares
- Enfermedad
- Algoritmos
- Conceptos matemáticos
- Inteligencia artificial
Otros números de identificación del estudio
- B2026-532
Plan de datos de participantes individuales (IPD)
¿Planea compartir datos de participantes individuales (IPD)?
INDECISO
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. .