LEGACY: Lung Cancer Screening in Individuals With a Lung Cancer Family History-Protocol B
2026년 8월 21일 업데이트: Allison Chang, Massachusetts General Hospital
This research is being done to determine if an image-based deep learning model (Sybil) can accurately predict the likelihood of future lung cancer based on chest computed tomography (CT) imaging from individuals with a family history of lung cancer.
연구 개요
상세 설명
This is a non-therapeutic study that will enroll individuals who have a family history of lung cancer.
During the study, participants will provide questionnaire responses regarding their personal medical history, family lung cancer history, and exposures along with contributing images from at least one previously obtained CT chest scan.
The images and data collected will be analyzed by an image-based deep learning model (Sybil).
Sybil is a type of artificial intelligence model that has been shown to accurately predict individuals' future risk of lung cancer based solely on images from a CT Chest scan, but it is unknown if it works well in people with a family history of lung cancer.
It is expected that 2,250 will take part in this research study.
연구 유형
관찰
등록 (추정된)
2250
연락처 및 위치
이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.
연구 연락처
- 이름: Allison Chang, MD
- 전화번호: 617-724-4000
- 이메일: aechang@mgb.org
연구 장소
-
-
Massachusetts
-
Boston, Massachusetts, 미국, 02114
- 모병
- Massachusetts General Hospital
-
연락하다:
- Allison Chang, MD
- 전화번호: 617-724-4000
- 이메일: aechang@mgb.org
-
-
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
해당 없음
샘플링 방법
비확률 샘플
연구 인구
This study will enroll individuals who have a family history of lung cancer (≥1 first-degree relative or ≥2 second-degree relatives).
설명
Inclusion Criteria:
- ≥18 years of age
Positive family history of lung cancer (defined as):
- Has ≥1 first-degree relative OR
- Has ≥2 second-degree relatives with a diagnosis of non-small cell lung cancer or small cell lung cancer (NB: a first-degree relative = parent, sibling, or child, a second-degree relative = grandparent, blood-related aunt or uncle, grandchild, blood-related niece or nephew, half-sibling)
- Willing to provide images from at least one previously obtained CT Chest scan, if available.
Exclusion Criteria:
- None
공부 계획
이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.
연구는 어떻게 설계됩니까?
디자인 세부사항
코호트 및 개입
그룹/코호트 |
개입 / 치료 |
|---|---|
|
Retrospective CT scan
Participants will contribute images and corresponding radiology reports from at least one retrospective CT chest scan.
|
Previously obtained computed tomography scan
Image-based deep learning model
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
Sybil's performance in predicting future lung cancer diagnoses
기간: From date of receival of retrospective CT scan for up to 2 years.
|
We will estimate future lung cancer diagnoses using the area under the receiver operating curve (AUROC).
|
From date of receival of retrospective CT scan for up to 2 years.
|
2차 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
Distribution of Sybil lung cancer risk scores compared to participants in the NLST clinical trial
기간: From receival of retrospective CT scan for up to 2 years.
|
We will compare the distribution of Sybil scores between participants in the LEGACY study and National Lung Screening Trial.
|
From receival of retrospective CT scan for up to 2 years.
|
|
Incidence and prevalence of lung cancer in the study population
기간: From receival of retrospective CT scan for up to 2 years.
|
We will estimate the incidence of lung cancer in the LEGACY population.
|
From receival of retrospective CT scan for up to 2 years.
|
|
Incidence, prevalence, and characteristics of lung nodules in this population
기간: From receival of retrospective CT scan for up to 2 years.
|
We will estimate the incidence, prevalence, and characteristics of lung nodules in the LEGACY population.
|
From receival of retrospective CT scan for up to 2 years.
|
공동 작업자 및 조사자
여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.
수사관
- 수석 연구원: Allison Chang, MD, Massachusetts General Hospital
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 6월 17일
기본 완료 (추정된)
2033년 12월 31일
연구 완료 (추정된)
2035년 12월 31일
연구 등록 날짜
최초 제출
2026년 5월 14일
QC 기준을 충족하는 최초 제출
2026년 5월 14일
처음 게시됨 (실제)
2026년 5월 22일
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
2026년 8월 25일
QC 기준을 충족하는 마지막 업데이트 제출
2026년 8월 21일
마지막으로 확인됨
2026년 8월 1일
추가 정보
이 연구와 관련된 용어
키워드
추가 관련 MeSH 약관
기타 연구 ID 번호
- 26-054
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
예
IPD 계획 설명
The Dana-Farber / Harvard Cancer Center encourages and supports the responsible and ethical sharing of data from clinical trials.
De-identified participant data from the final research dataset used in the published manuscript may only be shared under the terms of a Data Use Agreement.
Requests may be directed to: Allison Chang, MD (aechang@mgb.org).
The protocol and statistical analysis plan will be made available on Clinicaltrials.gov
only as required by federal regulation or as a condition of awards and agreements supporting the research.
IPD 공유 기간
Data can be shared no earlier than 1 year following the date of publication
IPD 공유 액세스 기준
Contact the Partners Innovations team at http://www.partners.org/innovation
IPD 공유 지원 정보 유형
- 연구_프로토콜
- 수액
- ICF
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. .