Artificial Intelligence-Based Early Warning for Distant Metastasis in Malignant Tumors
25 maggio 2026 aggiornato da: 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.
Panoramica dello studio
Stato
Non ancora reclutamento
Condizioni
Tipo di studio
Osservativo
Iscrizione (Stimato)
10000
Criteri di partecipazione
I ricercatori cercano persone che corrispondano a una certa descrizione, chiamata criteri di ammissibilità. Alcuni esempi di questi criteri sono le condizioni generali di salute di una persona o trattamenti precedenti.
Criteri di ammissibilità
Età idonea allo studio
- Adulto
- Adulto più anziano
Accetta volontari sani
No
Metodo di campionamento
Campione non probabilistico
Popolazione di studio
The enrolled patients are those diagnosed with malignant tumors who receive treatment in hospitals across China and undergo regular follow-up.
Descrizione
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.
Piano di studio
Questa sezione fornisce i dettagli del piano di studio, compreso il modo in cui lo studio è progettato e ciò che lo studio sta misurando.
Come è strutturato lo studio?
Dettagli di progettazione
Coorti e interventi
Gruppo / Coorte |
|---|
|
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.
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Incidence of distant metastasis
Lasso di tempo: 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)
|
Collaboratori e investigatori
Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.
Studiare le date dei record
Queste date tengono traccia dell'avanzamento della registrazione dello studio e dell'invio dei risultati di sintesi a ClinicalTrials.gov. I record degli studi e i risultati riportati vengono esaminati dalla National Library of Medicine (NLM) per assicurarsi che soddisfino specifici standard di controllo della qualità prima di essere pubblicati sul sito Web pubblico.
Studia le date principali
Inizio studio (Stimato)
1 giugno 2026
Completamento primario (Stimato)
31 dicembre 2036
Completamento dello studio (Stimato)
31 dicembre 2036
Date di iscrizione allo studio
Primo inviato
19 maggio 2026
Primo inviato che soddisfa i criteri di controllo qualità
25 maggio 2026
Primo Inserito (Effettivo)
29 maggio 2026
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
29 maggio 2026
Ultimo aggiornamento inviato che soddisfa i criteri QC
25 maggio 2026
Ultimo verificato
1 maggio 2026
Maggiori informazioni
Termini relativi a questo studio
Altri numeri di identificazione dello studio
- SYSKY-2026-372-01
Informazioni su farmaci e dispositivi, documenti di studio
Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti
No
Studia un dispositivo regolamentato dalla FDA degli Stati Uniti
No
Queste informazioni sono state recuperate direttamente dal sito web clinicaltrials.gov senza alcuna modifica. In caso di richieste di modifica, rimozione o aggiornamento dei dettagli dello studio, contattare register@clinicaltrials.gov. Non appena verrà implementata una modifica su clinicaltrials.gov, questa verrà aggiornata automaticamente anche sul nostro sito web .