- ICH GCP
- 미국 임상 시험 레지스트리
- 임상시험 NCT06910956
폐암 스크리닝에 대한 고위험 환자를 확인하기 위해 흉부 X- 레이를 사용한 딥 러닝 CT
2026년 5월 6일 업데이트: Michael T. Lu, MD, MPH, Massachusetts General Hospital
폐암 검진 CT에 대한 고위험 환자를 식별하기 위해 일상적인 흉부 X- 레이 및 전자 의료 기록 데이터를 사용한 딥 러닝
이 임상 시험의 목표는 흉부 X- 레이 이미지를 기반으로 폐암의 6 년 위험이 높은 환자에게 제공하는 AI 도구가 폐암 스크리닝 CT 참여를 향상시키는 지 여부를 평가하는 것입니다. 대답하려는 주요 질문은 다음과 같습니다. AI 도구가 폐암 선별 검사 CT를 개선합니까? 기준 외래 환자 방문 후 6 개월 만에 참여
중재는 CXR-LC AI 도구를 기반으로 폐암의 위험이 높은 환자의 경우 폐암 선별 CT 자격에 대해 논의하는 공급자에게 경고입니다.
비교 그룹이있는 경우 : 연구자들은 개입 및 중재 무기를 비교하여 폐암 스크린 CT 참여가 증가하는지 확인합니다.
연구 개요
연구 유형
중재적
등록 (추정된)
1500
단계
- 해당 없음
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 연락처
- 이름: Michael T Lu, MD, MPH
- 전화번호: 617-726-1255
- 이메일: mlu@mgh.harvard.edu
연구 장소
-
-
Massachusetts
-
Boston, Massachusetts, 미국, 02114
- 모병
- Massachusetts General Hospital
-
연락하다:
- Michael T Lu, MD, MPH
- 전화번호: 617-724-9729
- 이메일: mlu@mgh.harvard.edu
-
-
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
아니
설명
주요 포함 기준 :
- 참여 제공자와의 예정된 외래 환자 약속.
- 현재 또는 이전에 담배를 피운 50 세에서 77 세의 소년은 Medicare 지침에 따라 폐 선별 자격이있는 사람을 포함합니다.
- 최근 (2 년 이내) PA 흉부 방사선 사진.
제외 기준 :
• 폐암의 병력 또는 징후/증상. 최근 (2 년 이내) 흉부 ct. 폐암 스크리닝 이외의 흉부 CT에 대한 임상 적응증.
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
- 주 목적: 상영
- 할당: 무작위
- 중재 모델: 병렬 할당
- 마스킹: 더블
무기와 개입
참가자 그룹 / 팔 |
개입 / 치료 |
|---|---|
|
실험적: 간섭
|
CXR-LC AI 도구를 기반으로 폐암의 위험이 높은 것으로 간주되는 환자의 경우 폐암 선별 CT 자격에 대해 논의하도록 제공자에게 경보.
|
|
간섭 없음: 비교
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
방문 후 6 개월 만에 폐암 검진 CT 완료 비율
기간: 6 개월
|
폐암 스크리닝 CT 참여에 대한 영향을 평가합니다 (기준선 방문 후 6 개월 동안 폐암 검진 CT 완료).
|
6 개월
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
Suspicious lung nodules
기간: 6 months
|
Suspicious lung nodules (Lung-RADS 4a or greater, including lung nodules ≥8 mm in diameter) identified on CT or diagnosed lung cancer.
|
6 months
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
간행물 및 유용한 링크
연구에 대한 정보 입력을 담당하는 사람이 자발적으로 이러한 간행물을 제공합니다. 이것은 연구와 관련된 모든 것에 관한 것일 수 있습니다.
일반 간행물
- Lu MT, Raghu VK, Mayrhofer T, Aerts HJWL, Hoffmann U. Deep Learning Using Chest Radiographs to Identify High-Risk Smokers for Lung Cancer Screening Computed Tomography: Development and Validation of a Prediction Model. Ann Intern Med. 2020 Nov 3;173(9):704-713. doi: 10.7326/M20-1868. Epub 2020 Sep 1.
- Lee JH, Lee D, Lu MT, Raghu VK, Park CM, Goo JM, Choi SH, Kim H. Deep Learning to Optimize Candidate Selection for Lung Cancer CT Screening: Advancing the 2021 USPSTF Recommendations. Radiology. 2022 Oct;305(1):209-218. doi: 10.1148/radiol.212877. Epub 2022 Jun 14.
- Raghu VK, Walia AS, Zinzuwadia AN, Goiffon RJ, Shepard JO, Aerts HJWL, Lennes IT, Lu MT. Validation of a Deep Learning-Based Model to Predict Lung Cancer Risk Using Chest Radiographs and Electronic Medical Record Data. JAMA Netw Open. 2022 Dec 1;5(12):e2248793. doi: 10.1001/jamanetworkopen.2022.48793.
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)
2025년 5월 20일
기본 완료 (추정된)
2027년 7월 1일
연구 완료 (추정된)
2027년 7월 1일
연구 등록 날짜
최초 제출
2025년 3월 28일
QC 기준을 충족하는 최초 제출
2025년 3월 28일
처음 게시됨 (실제)
2025년 4월 4일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2026년 5월 11일
QC 기준을 충족하는 마지막 업데이트 제출
2026년 5월 6일
마지막으로 확인됨
2026년 5월 1일
추가 정보
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. .