このページは自動翻訳されたものであり、翻訳の正確性は保証されていません。を参照してください。 英語版 ソーステキスト用。

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

2026年7月30日 更新者：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.

調査の概要

状態

まだ募集していません

条件

研究の種類

観察的

入学 (推定)

100000

連絡先と場所

このセクションには、調査を実施する担当者の連絡先の詳細と、この調査が実施されている場所に関する情報が記載されています。

研究連絡先

研究場所

  • 中国
    • Hubei
      • Wuhan、Hubei、中国、430000
        • Union Hospital，Tongji Medical College，Huazhong University of Science and Technology
        • コンタクト：

参加基準

研究者は、適格基準と呼ばれる特定の説明に適合する人を探します。これらの基準のいくつかの例は、人の一般的な健康状態または以前の治療です。

適格基準

就学可能な年齢

  • 子
  • 大人
  • 高齢者

健康ボランティアの受け入れ

はい

サンプリング方法

非確率サンプル

調査対象母集団

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

説明

Inclusion Criteria:

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

Exclusion Criteria:

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

研究計画

このセクションでは、研究がどのように設計され、研究が何を測定しているかなど、研究計画の詳細を提供します。

研究はどのように設計されていますか？

デザインの詳細

コホートと介入

グループ/コホート
Positive Group / Malignant Cohort
Negative Control Group I / Benign Cohort
Negative Control Group II / Healthy Cohort

この研究は何を測定していますか？

主要な結果の測定

結果測定
メジャーの説明
時間枠
Accuracy
時間枠：1.5 years
Proportion of correct classifications
1.5 years
Sensitivity
時間枠：1.5years
Proportion of true positive cases
1.5years
Specificity
時間枠：1.5years
Proportion of true negative cases
1.5years

二次結果の測定

結果測定
メジャーの説明
時間枠
Delta Sensitivity (AI-assisted vs. unassisted)
時間枠：1.5years
Absolute difference in sensitivity between AI-assisted and unassisted human readings
1.5years
Delta Specificity (AI-assisted vs. unassisted)
時間枠：1.5years
Absolute difference in specificity between AI-assisted and unassisted human readings
1.5years
Delta Accuracy (AI-assisted vs. unassisted)
時間枠：1.5years
Absolute difference in accuracy between AI-assisted and unassisted human readings
1.5years

協力者と研究者

ここでは、この調査に関係する人々や組織を見つけることができます。

スポンサー

Lian Yang

研究記録日

これらの日付は、ClinicalTrials.gov への研究記録と要約結果の提出の進捗状況を追跡します。研究記録と報告された結果は、国立医学図書館 (NLM) によって審査され、公開 Web サイトに掲載される前に、特定の品質管理基準を満たしていることが確認されます。

主要日程の研究

研究開始 (推定)

2026年7月1日

一次修了 (推定)

2028年7月1日

研究の完了 (推定)

2028年7月1日

試験登録日

最初に提出

2026年6月5日

QC基準を満たした最初の提出物

2026年6月5日

最初の投稿 (実際)

2026年6月10日

学習記録の更新

投稿された最後の更新 (実際)

2026年7月31日

QC基準を満たした最後の更新が送信されました

2026年7月30日

最終確認日

2026年6月1日

詳しくは

本研究に関する用語

追加の関連 MeSH 用語

その他の研究ID番号

  • 2026-0527

医薬品およびデバイス情報、研究文書

米国FDA規制医薬品の研究

いいえ

米国FDA規制機器製品の研究

いいえ

この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。

購読する