간암의 조기 스크리닝을 위해 AI와 결합 된 복부 CT (LEAF)
2026년 9월 12일 업데이트: TingBo Liang, Zhejiang University
조기 스크리닝을 위해 AI와 결합 된 복부 CT 사용에 대한 임상 연구
이 연구는 우리 병원의 10000 개의 병리학 적으로 확인 된 간 종양 환자의 다상 대비 강화 및 비 대비 CT (컴퓨터 단층 촬영) 이미지를 활용할 계획입니다.
AI (인공 지능) 모델은 간 질량의 3D 윤곽을 개괄하는 데 사용되며, 이는 방사선 전문의와 간장 외과 의사에 의해 정제되어 모델 정확도를 향상시킵니다.
더 많은 이미징 데이터를 통합함으로써, 모델의 인식 기능은 개선되어 전향 적 임상 시험을위한 토대를 마련하고 CT 영상을 기반으로 초기 간암 스크리닝을위한 우수한 AI 모델을 확립하는 것을 목표로합니다.
연구 개요
상세 설명
이 연구 프로젝트는 전체 스펙트럼의 간 종양 (예 : HCC (간세포 암종), ICC (intrahepatic cholangiocarcinoma), Meta vestasis (meta vestasis) 등을 가진 10000 명의 환자의 다상 대비 강화 및 비 대비 CT 이미지를 사용하고자합니다.
사전 설립 된 AI 모델을 통해 다양한 간 질량의 3D 윤곽선이 묘사됩니다.
병원의 방사선과 및 간장 췌장 수술 부서의 고위 의사와 협력하여 AI-Drawn 윤곽은보다 정확한 3D 질량 모델을 얻기 위해 정제되어 모델의 검증 효능을 향상시킵니다.
더 많은 방사선 데이터를 통합함으로써, 모델의 정밀도가 개선되어 인식 기능을 향상시키고 후속 전향 적 임상 시험을위한 견고한 토대를 마련 할 것입니다.
궁극적 인 목표는 ctimaging에 기초한 간암의 조기 스크리닝을위한 우수한 AI 모델을 확립하는 것입니다.
연구 유형
중재적
등록 (추정된)
2500
단계
- 해당 없음
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 장소
-
-
Zhejiang
-
Hangzhou, Zhejiang, 중국, 310009
- the First Affiliated Hospital, School of Medicine, Zhejiang University
-
-
참여기준
연구원은 적격성 기준이라는 특정 설명에 맞는 사람을 찾습니다. 이러한 기준의 몇 가지 예는 개인의 일반적인 건강 상태 또는 이전 치료입니다.
자격 기준
공부할 수 있는 나이
- 성인
- 고령자
건강한 자원 봉사자를 받아들입니다
예
설명
포함 기준 :
- 2019 년부터 2030 년까지, 우리 병원은 병리학 적 금 표준에 의해 확인 된 모든 간 종양 (예 : HCC, ICC, Meta 등)이있는 환자로부터 비 대비 및 대비 강화 CT 이미지를 수집했습니다.
제외 기준 :
- 상부 복부 수술을받은 환자. 예는 췌장에 대한 ERCP 이후 (내시경 역행 콜랑 가리 오 칸 아크리 아프라 그래프), 홍수 후 배수 수술, 식도 수술 및 위 절제술 등이 있습니다.
- 화학 요법 또는 한약과 같은 전신 치료를받은 환자. 예는 림프종에 대한 화학 요법, 백혈병을위한 화학 요법, 폐암을위한 화학 요법 및 간암에 대한 포괄적 인 치료 등을 포함합니다.
- 품질이 좋지 않은 CT 이미지가있는 환자. 예를 들어 신체 측면에 손을 넣을 수 없기 때문에 컨볼 루션 아티팩트와 호흡 보유가 열악한 호흡기 인공물 등이 있습니다.
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
- 주 목적: 특수 증상
- 할당: 해당 없음
- 중재 모델: 단일 그룹 할당
- 마스킹: 없음(오픈 라벨)
무기와 개입
참가자 그룹 / 팔 |
개입 / 치료 |
|---|---|
|
실험적: LEAF
Patients diagnosed with liver cirrosis or those with extrahepatic malignant tumors will be enrolled within three weeks.
Non-contrast chest and abdominal CT scans will be simultaneously reviewed by radiologists in routine clinical workflow and processed by LEAF in real-time.
Daily logs of LEAF-positive alerts will be maintained by the research team.
A prespecified clinical action committee composed of hepatobiliary surgeons and abdominal radiologists will review the case to assess whether the AI finding warrants communication to the treating physician of these patients.
For patients with suspected malignant liver tumors, the committee's consensus on the presence of suspicious lesions will be communicated to their attending physicians, who will then decide whether additional diagnostic assessment is indicated according to standard clinical practice.
|
The LEAF (Liver tumor dEtection And classiFication AI) model will assist in image interpretation.
Patients with positive results for liver malignancy while not reported in standard-of-care CT report will be reviewed by a prespecified clinical action committee composed of hepatobiliary surgeons and abdominal radiologists will review the case and decide whether the AI finding warrants communication to the treating physician of these patients.
For patients with suspected malignant liver tumors, the committee's consensus on the presence of suspicious lesions will be communicated to their attending physicians, who will then decide whether additional diagnostic assessment is indicated according to standard clinical practice, while remaining blinded to the LEAF results.
The standard radiology workflow will not be altered by the study, and LEAF will be evaluated as a risk-stratification and case-flagging tool rather than a replacement for radiologist interpretation.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
Detection accuracy in liver tumor assisted by LEAF (Liver tumor dEtection And classiFication AI)
기간: Within 4 weeks after enrollment
|
Sensitivity, specificity of liver malignancy identification (defined as liver malignancy vs. liver benign tumor and non-tumor)
|
Within 4 weeks after enrollment
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
AI diagnostic performance: patient-level Positive Predictive Value (PPV) and Negative Predictive Value (NPV) of liver malignancy identification
기간: Within 4 weeks after enrollment
|
Within 4 weeks after enrollment
|
|
|
Clinical utility: number of AI-detected and originally overlooked liver malignant lesions
기간: Within 4 weeks after enrollment
|
recalled and pathologically confirmed
|
Within 4 weeks after enrollment
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
연구 기록 날짜
이 날짜는 ClinicalTrials.gov에 대한 연구 기록 및 요약 결과 제출의 진행 상황을 추적합니다. 연구 기록 및 보고된 결과는 공개 웹사이트에 게시되기 전에 특정 품질 관리 기준을 충족하는지 확인하기 위해 국립 의학 도서관(NLM)에서 검토합니다.
연구 주요 날짜
연구 시작 (실제)
2026년 7월 17일
기본 완료 (실제)
2026년 8월 12일
연구 완료 (추정된)
2026년 11월 10일
연구 등록 날짜
최초 제출
2025년 2월 28일
QC 기준을 충족하는 최초 제출
2025년 3월 4일
처음 게시됨 (실제)
2025년 3월 5일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2026년 9월 15일
QC 기준을 충족하는 마지막 업데이트 제출
2026년 9월 12일
마지막으로 확인됨
2026년 3월 1일
추가 정보
이 연구와 관련된 용어
기타 연구 ID 번호
- LEAF
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
아니요
약물 및 장치 정보, 연구 문서
미국 FDA 규제 의약품 연구
아니
미국 FDA 규제 기기 제품 연구
아니
이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .