Validation of a Deep Learning Tool for Opportunistic Osteoporosis Screening Using Routine Non-Contrast CT Scans
tiistai 1. syyskuuta 2026 päivittänyt: 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.
Tutkimuksen yleiskatsaus
Tila
Aktiivinen, ei rekrytointi
Ehdot
Interventio / Hoito
Opintotyyppi
Havainnollistava
Ilmoittautuminen (Arvioitu)
100
Yhteystiedot ja paikat
Tässä osiossa on tutkimuksen suorittajien yhteystiedot ja tiedot siitä, missä tämä tutkimus suoritetaan.
Opiskelupaikat
-
-
Hubei
-
Wuhan, Hubei, Kiina, 430022
- Union Hospital, Tongji Medical College, Huazhong University of Science and Technology
-
-
Osallistumiskriteerit
Tutkijat etsivät ihmisiä, jotka sopivat tiettyyn kuvaukseen, jota kutsutaan kelpoisuuskriteereiksi. Joitakin esimerkkejä näistä kriteereistä ovat henkilön yleinen terveydentila tai aiemmat hoidot.
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Ei
Näytteenottomenetelmä
Ei-todennäköisyysnäyte
Tutkimusväestö
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.
Kuvaus
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.
Opintosuunnitelma
Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Kohortit ja interventiot
Ryhmä/Kohortti |
Interventio / Hoito |
|---|---|
|
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.
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Diagnostic performance of DeepBMD model for osteoporosis screening
Aikaikkuna: 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).
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Feasibility of the DeepBMD screening and recall workflow
Aikaikkuna: 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
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Tutkijat
- Päätutkija: Fan Yang, PhD, MD, Union Hospital, Tongji Medical College, Huazhong University of Science and Technology
Julkaisuja ja hyödyllisiä linkkejä
Tutkimusta koskevien tietojen syöttämisestä vastaava henkilö toimittaa nämä julkaisut vapaaehtoisesti. Nämä voivat koskea mitä tahansa tutkimukseen liittyvää.
Yleiset julkaisut
- 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.
Opintojen ennätyspäivät
Nämä päivämäärät seuraavat ClinicalTrials.gov-sivustolle lähetettyjen tutkimustietueiden ja yhteenvetojen edistymistä. National Library of Medicine (NLM) tarkistaa tutkimustiedot ja raportoidut tulokset varmistaakseen, että ne täyttävät tietyt laadunvalvontastandardit, ennen kuin ne julkaistaan julkisella verkkosivustolla.
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Tiistai 28. heinäkuuta 2026
Ensisijainen valmistuminen (Todellinen)
Perjantai 28. elokuuta 2026
Opintojen valmistuminen (Arvioitu)
Tiistai 1. syyskuuta 2026
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Keskiviikko 22. heinäkuuta 2026
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Maanantai 27. heinäkuuta 2026
Ensimmäinen Lähetetty (Todellinen)
Perjantai 31. heinäkuuta 2026
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Torstai 3. syyskuuta 2026
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Tiistai 1. syyskuuta 2026
Viimeksi vahvistettu
Tiistai 1. syyskuuta 2026
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Avainsanat
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- UHCT260668
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
JOO
IPD-suunnitelman kuvaus
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-jaon aikakehys
Data will be available beginning 3 months following article publication and ending 36 months following article publication.
IPD-jaon käyttöoikeuskriteerit
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.
IPD-jakamista tukeva tietotyyppi
- STUDY_PROTOCOL
- MAHLA
- ANALYTIC_CODE
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Ei
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Ei
Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .