Artificial Intelligence-Based Early Warning for Distant Metastasis in Malignant Tumors
25 mai 2026 mis à jour par: Chen Kai, Sun Yat-Sen Memorial Hospital of Sun Yat-Sen University
Early detection and timely intervention of distant metastasis are essential for improving the prognosis of patients with malignant tumors.
However, current clinical methods have notable limitations.
Conventional imaging can only detect macroscopic metastatic lesions, failing to seize the optimal intervention window before metastasis occurs or during the micrometastasis stage.
Previous research has adopted artificial intelligence to break the constraints of traditional imaging and realized subclinical early warning of distant metastasis based on retrospective data.
On this basis, the present study aims to systematically validate the predictive performance and generalizability of the model in real-world clinical settings via a prospective cohort.
This study intends to establish an organ-specific, non-invasive and cost-effective pan-cancer tool for early warning of distant metastasis.
It can gain critical time for clinical intervention, help reduce the incidence of distant metastasis and ultimately optimize patient prognosis.
Aperçu de l'étude
Statut
Pas encore de recrutement
Les conditions
Type d'étude
Observationnel
Inscription (Estimé)
10000
Critères de participation
Les chercheurs recherchent des personnes qui correspondent à une certaine description, appelée critères d'éligibilité. Certains exemples de ces critères sont l'état de santé général d'une personne ou des traitements antérieurs.
Critère d'éligibilité
Âges éligibles pour étudier
- Adulte
- Adulte plus âgé
Accepte les volontaires sains
Non
Méthode d'échantillonnage
Échantillon non probabiliste
Population étudiée
The enrolled patients are those diagnosed with malignant tumors who receive treatment in hospitals across China and undergo regular follow-up.
La description
Inclusion Criteria:
- Aged ≥ 18 years old;
- Diagnosed with malignant tumor confirmed by histopathology;
- No distant metastasis detected at baseline enrollment assessment;
- Regular imaging examinations for distant metastasis assessment are scheduled in the routine follow-up protocol after enrollment;
- Complete baseline clinicopathological data are available;
- Patients provide informed consent and permit researchers to collect and analyze their subsequent imaging and clinicopathological data.
Exclusion Criteria:
- Concurrent presence of two or more primary malignant tumors;
- Presence of any medical or social factors that may interfere with completion of routine imaging follow-up.
Plan d'étude
Cette section fournit des détails sur le plan d'étude, y compris la façon dont l'étude est conçue et ce que l'étude mesure.
Comment l'étude est-elle conçue ?
Détails de conception
Cohortes et interventions
Groupe / Cohorte |
|---|
|
Model-predicted positive group
The model-predicted positive group is defined as patients predicted by the artificial intelligence model to develop distant metastasis in the future.
|
|
Model-predicted negative group
The model-predicted negative group is defined as patients predicted by the artificial intelligence model not to develop distant metastasis in the future.
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Incidence of distant metastasis
Délai: At each routine follow-up visit (interval: approximately 6 months to 1 year)
|
Proportion of patients with distant metastasis among malignant tumor cases
|
At each routine follow-up visit (interval: approximately 6 months to 1 year)
|
Collaborateurs et enquêteurs
C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.
Dates d'enregistrement des études
Ces dates suivent la progression des dossiers d'étude et des soumissions de résultats sommaires à ClinicalTrials.gov. Les dossiers d'étude et les résultats rapportés sont examinés par la Bibliothèque nationale de médecine (NLM) pour s'assurer qu'ils répondent à des normes de contrôle de qualité spécifiques avant d'être publiés sur le site Web public.
Dates principales de l'étude
Début de l'étude (Estimé)
1 juin 2026
Achèvement primaire (Estimé)
31 décembre 2036
Achèvement de l'étude (Estimé)
31 décembre 2036
Dates d'inscription aux études
Première soumission
19 mai 2026
Première soumission répondant aux critères de contrôle qualité
25 mai 2026
Première publication (Réel)
29 mai 2026
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
29 mai 2026
Dernière mise à jour soumise répondant aux critères de contrôle qualité
25 mai 2026
Dernière vérification
1 mai 2026
Plus d'information
Termes liés à cette étude
Autres numéros d'identification d'étude
- SYSKY-2026-372-01
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Non
Étudie un produit d'appareil réglementé par la FDA américaine
Non
Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .