Questa pagina è stata tradotta automaticamente e l'accuratezza della traduzione non è garantita. Si prega di fare riferimento al Versione inglese per un testo di partenza.

Clinical Application Value of Deep Learning-Based "Opportunistic Screening" for Malignant Tumors on Routine Non-Contrast Chest-Abdomen-Pelvis CT

30 luglio 2026 aggiornato da: Lian Yang

This study aims to develop and validate a deep learning-based opportunistic multi-cancer screening system using routine non-contrast chest-abdomen-pelvis CT examinations, including CHANCE-Breast, CHANCE-Liver, CHANCE-Kidney, and CHANCE-Bladder, for the early detection of breast, liver, kidney, and bladder cancers. In addition, the study will assess a human-AI collaborative framework to determine its potential for improving cancer detection and reducing missed diagnoses in clinical practice.

Panoramica dello studio

Stato

Non ancora reclutamento

Condizioni

Tumore

Tipo di studio

Osservativo

Iscrizione (Stimato)

100000

Contatti e Sedi

Questa sezione fornisce i recapiti di coloro che conducono lo studio e informazioni su dove viene condotto lo studio.

Contatto studio

Nome: Lian Yang
Numero di telefono: 18986273791
Email: yanglian@hust.edu.cn

Luoghi di studio

Cina
- Hubei
  - Wuhan, Hubei, Cina, 430000
    - Union Hospital，Tongji Medical College，Huazhong University of Science and Technology
    - Contatto:
      
      Lian Yang
      
      Numero di telefono: 18986273791
      
      Email: yanglian@hust.edu.cn

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

Bambino
Adulto
Adulto più anziano

Accetta volontari sani

Sì

Metodo di campionamento

Campione non probabilistico

Popolazione di studio

Patients with a confirmed diagnosis of the target malignancy who received treatment.

Descrizione

Inclusion Criteria:

Patients with a confirmed diagnosis of the target malignancy who received treatment at our institution;
Diagnostic-quality CT images without substantial metal or motion artifacts and with complete anatomical coverage of the target organ (breast, liver, kidney, or bladder);
Availability of complete pre-treatment non-contrast CT imaging data.

Exclusion Criteria:

Non-diagnostic image quality;
Absence of a definitive reference-standard diagnosis;
Incomplete clinical or imaging data.

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

Numero di gruppi/coorti

Coorti e interventi

Gruppo / Coorte
Positive Group / Malignant Cohort
Negative Control Group I / Benign Cohort
Negative Control Group II / Healthy Cohort

Cosa sta misurando lo studio?

Misure di risultato primarie

Misura del risultato	Misura Descrizione	Lasso di tempo
Accuracy Lasso di tempo: 1.5 years	Proportion of correct classifications	1.5 years
Sensitivity Lasso di tempo: 1.5years	Proportion of true positive cases	1.5years
Specificity Lasso di tempo: 1.5years	Proportion of true negative cases	1.5years

Misure di risultato secondarie

Misura del risultato	Misura Descrizione	Lasso di tempo
Delta Sensitivity (AI-assisted vs. unassisted) Lasso di tempo: 1.5years	Absolute difference in sensitivity between AI-assisted and unassisted human readings	1.5years
Delta Specificity (AI-assisted vs. unassisted) Lasso di tempo: 1.5years	Absolute difference in specificity between AI-assisted and unassisted human readings	1.5years
Delta Accuracy (AI-assisted vs. unassisted) Lasso di tempo: 1.5years	Absolute difference in accuracy between AI-assisted and unassisted human readings	1.5years

Collaboratori e investigatori

Qui è dove troverai le persone e le organizzazioni coinvolte in questo studio.

Sponsor

Lian Yang

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 luglio 2026

Completamento primario (Stimato)

1 luglio 2028

Completamento dello studio (Stimato)

1 luglio 2028

Date di iscrizione allo studio

Primo inviato

5 giugno 2026

Primo inviato che soddisfa i criteri di controllo qualità