Cette page a été traduite automatiquement et l'exactitude de la traduction n'est pas garantie. Veuillez vous référer au version anglaise pour un texte source.

Large-scale Models of Esophageal Cancer and Related Research (DeepDT)

25 août 2026 mis à jour par: The First Affiliated Hospital of Henan University of Science and Technology

Clinical Application Research of AI-Based Large Models for Early Screening, Diagnosis, Treatment, and Prognosis Assessment of Esophageal Cancer

The goal of this observational study is to learn about the clinical utility of an artificial intelligence (AI) large language model in patients undergoing screening, diagnosis, treatment, and prognosis assessment for esophageal cancer. The main question it aims to answer is:

Does the AI model improve early detection rate, diagnostic accuracy, treatment personalization, and prognostic prediction for esophageal cancer compared to standard care? Participants already receiving routine esophageal cancer management (including endoscopy, imaging, pathology, and clinical follow-up) as part of their regular medical care will have their de-identified data processed by the AI model; researchers will compare model-based recommendations and outcomes with standard care benchmarks over 3 years.

Last updated on Oct 31, 2027

Aperçu de l'étude

Statut

Inscription sur invitation

Les conditions

Intervention / Traitement

Type d'étude

Observationnel

Inscription (Estimé)

12000

Contacts et emplacements

Cette section fournit les coordonnées de ceux qui mènent l'étude et des informations sur le lieu où cette étude est menée.

Lieux d'étude

  • Chine
    • Henan
      • Anyang, Henan, Chine, 455000
        • Anyang Tumor Hospital
      • Luoyang, Henan, Chine, 471000
        • The First Affiliated Hospital of Henan University of Science & Technology
      • Nanyang, Henan, Chine, 473000
        • Nanyang Central Hospital Medical Ethics Committee

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 study population comprises patients receiving routine esophageal cancer management at participating healthcare institutions, including those undergoing screening (e.g., endoscopy), diagnosis (imaging, pathology), treatment (endoscopic resection, surgery, chemotherapy, radiotherapy), and prognostic follow-up. Inclusion criteria: age ≥18 years, suspected or confirmed esophageal cancer, and available complete clinical data (endoscopy, imaging, pathology, and follow-up records). Exclusion criteria: incomplete data or refusal to use medical records. The population spans early to advanced stages to evaluate the AI model across the full disease spectrum.

La description

Inclusion Criteria:

  • 1. Aged 18 years or older. 2. Individuals with normal findings or inflammatory changes: endoscopic or pathological reports indicating "no significant abnormalities detected" or changes consistent with inflammation.

    3. Individuals with benign lesions: pathological reports specifying "absence of tumor cells" or a diagnosis consistent with benign lesions.

    4. Individuals with precancerous lesions: pathological reports with a definitive diagnosis of Low-grade Intraepithelial Neoplasia (LGIN) or High-grade Intraepithelial Neoplasia (HGIN).

    5. Individuals with malignant tumors: pathological reports confirming a diagnosis of esophageal squamous cell carcinoma or esophageal adenocarcinoma.

Exclusion Criteria:

  • 1. Diagnostically uncertain: Lack of definitive pathological evidence, or with doubtful clinical diagnosis.

    2. Poor data quality: Low-quality key imaging data (endoscopy, CT) that is unsuitable for analysis (e.g., severe artifacts, missing images).

    3. Severe missingness of key clinical or follow-up data (missing rate > 20%). 4. Confounding by other malignancies: Presence of other active malignant tumors other than esophageal cancer within 5 years prior to enrollment.

    5. Loss to follow-up: Failure to obtain key survival or recurrence follow-up information in the retrospective cohort.

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
Intervention / Traitement
Single cohort
Patients receiving routine esophageal cancer management (including endoscopy, imaging, pathology, and clinical follow-up) as part of their regular medical care. De-identified data from these participants will be processed by an AI large language model, and model-based recommendations will be compared with standard care benchmarks over 3 years.
Autre: Observational study; no assigned intervention. Participants receive routine esophageal cancer management (endoscopy, imaging, pathology, clinical follow-up) as standard care.
Routine esophageal cancer management including endoscopy, imaging, pathology, and clinical follow-up as per standard clinical practice. No additional, experimental, or assigned intervention is administered. The AI large language model processes de-identified data from routine care for comparative analysis against standard care benchmarks over 3 years.

Que mesure l'étude ?

Principaux critères de jugement

Mesure des résultats
Description de la mesure
Délai
Area under the ROC curve (AUC) of the multimodal model for diagnosing esophageal cancer, calculated by ROC analysis using pathological biopsy as the gold standard, based on 5-fold cross-validation on the internal validation set.
Délai: 1 year and 5 months
The AUC ranges from 0.5 to 1.0, with higher values indicating better diagnostic performance.
1 year and 5 months
Overall accuracy (proportion of correct classifications) of the multimodal model for diagnosing esophageal cancer, derived from the confusion matrix of the model's predictions on the internal validation set, with pathological biopsy as the gold standard.
Délai: Up to 3 years
The accuracy ranges from 0% to 100%, with higher percentages indicating better classification performance.
Up to 3 years
Concordance index (C-index) of the multimodal model for predicting overall survival and progression-free survival, derived from Cox proportional hazards model on time-to-event data.
Délai: Up to 3 years
The C-index ranges from 0.5 to 1.0, where 0.5 indicates random chance and 1.0 indicates perfect prediction; higher values indicate better predictive discrimination.
Up to 3 years

Collaborateurs et enquêteurs

C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.

Parrainer

The First Affiliated Hospital of Henan University of Science and Technology

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 (Réel)

15 mai 2026

Achèvement primaire (Estimé)

31 octobre 2027

Achèvement de l'étude (Estimé)

31 octobre 2027

Dates d'inscription aux études

Première soumission

1 juin 2026

Première soumission répondant aux critères de contrôle qualité

7 juin 2026

Première publication (Réel)

11 juin 2026

Mises à jour des dossiers d'étude

Dernière mise à jour publiée (Réel)

27 août 2026

Dernière mise à jour soumise répondant aux critères de contrôle qualité

25 août 2026

Dernière vérification

1 août 2026

Plus d'information

Termes liés à cette étude

Termes MeSH pertinents supplémentaires

Autres numéros d'identification d'étude

  • 2025-0697

Plan pour les données individuelles des participants (IPD)

Prévoyez-vous de partager les données individuelles des participants (DPI) ?

NON

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 .

S'abonner