- ICH GCP
- Yhdysvaltain kliinisten tutkimusten rekisteri
- Kliininen tutkimus 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
perjantai 28. elokuuta 2026 päivittänyt: 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
Tutkimuksen yleiskatsaus
Tila
Ei vielä rekrytointia
Ehdot
Opintotyyppi
Havainnollistava
Ilmoittautuminen (Arvioitu)
333
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
- Lapsi
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Ei käytössä
Näytteenottomenetelmä
Ei-todennäköisyysnäyte
Tutkimusväestö
Lung cancer patients undergoing pulmonary resection.
Kuvaus
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.
Opintosuunnitelma
Tässä osiossa on tietoja tutkimussuunnitelmasta, mukaan lukien kuinka tutkimus on suunniteltu ja mitä tutkimuksella mitataan.
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Aikaikkuna |
|---|---|
|
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.
Aikaikkuna: through study completion, an average of 2 year
|
through study completion, an average of 2 year
|
Yhteistyökumppanit ja tutkijat
Täältä löydät tähän tutkimukseen osallistuvat ihmiset ja organisaatiot.
Sponsori
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 (Arvioitu)
Tiistai 1. syyskuuta 2026
Ensisijainen valmistuminen (Arvioitu)
Torstai 31. elokuuta 2028
Opintojen valmistuminen (Arvioitu)
Torstai 31. elokuuta 2028
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Maanantai 24. elokuuta 2026
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Perjantai 28. elokuuta 2026
Ensimmäinen Lähetetty (Todellinen)
Keskiviikko 2. syyskuuta 2026
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Keskiviikko 2. syyskuuta 2026
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Perjantai 28. elokuuta 2026
Viimeksi vahvistettu
Lauantai 1. elokuuta 2026
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Avainsanat
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- B2026-532
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
PÄÄTTÄMÄTÖN
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 .