Validation of a Deep Learning Tool for Opportunistic Osteoporosis Screening Using Routine Non-Contrast CT Scans
1 septembre 2026 mis à jour par: 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.
Aperçu de l'étude
Statut
Actif, ne recrute pas
Les conditions
Intervention / Traitement
Type d'étude
Observationnel
Inscription (Estimé)
100
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
-
-
Hubei
-
Wuhan, Hubei, Chine, 430022
- Union Hospital, Tongji Medical College, Huazhong University of Science and Technology
-
-
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
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.
La description
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.
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 |
|---|---|
|
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.
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Diagnostic performance of DeepBMD model for osteoporosis screening
Délai: 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).
|
Mesures de résultats secondaires
Mesure des résultats |
Description de la mesure |
Délai |
|---|---|---|
|
Feasibility of the DeepBMD screening and recall workflow
Délai: 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
|
Collaborateurs et enquêteurs
C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.
Les enquêteurs
- Chercheur principal: Fan Yang, PhD, MD, Union Hospital, Tongji Medical College, Huazhong University of Science and Technology
Publications et liens utiles
La personne responsable de la saisie des informations sur l'étude fournit volontairement ces publications. Il peut s'agir de tout ce qui concerne l'étude.
Publications générales
- 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.
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)
28 juillet 2026
Achèvement primaire (Réel)
28 août 2026
Achèvement de l'étude (Estimé)
1 septembre 2026
Dates d'inscription aux études
Première soumission
22 juillet 2026
Première soumission répondant aux critères de contrôle qualité
27 juillet 2026
Première publication (Réel)
31 juillet 2026
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (Réel)
3 septembre 2026
Dernière mise à jour soumise répondant aux critères de contrôle qualité
1 septembre 2026
Dernière vérification
1 septembre 2026
Plus d'information
Termes liés à cette étude
Mots clés
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- UHCT260668
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
OUI
Description du régime IPD
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.
Délai de partage IPD
Data will be available beginning 3 months following article publication and ending 36 months following article publication.
Critères d'accès au partage IPD
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.
Type d'informations de prise en charge du partage d'IPD
- PROTOCOLE D'ÉTUDE
- SÈVE
- ANALYTIC_CODE
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 .