Deze pagina is automatisch vertaald en de nauwkeurigheid van de vertaling kan niet worden gegarandeerd. Raadpleeg de Engelse versie voor een brontekst.

Validation of a Deep Learning Tool for Opportunistic Osteoporosis Screening Using Routine Non-Contrast CT Scans

1 september 2026 bijgewerkt door: Yang Fan, Union Hospital, Tongji Medical College, Huazhong University of Science and Technology

Prospective Clinical Validation Study of a Deep Learning Model for Opportunistic Osteoporosis Screening Based on Non-Contrast CT Scans

The goal of this clinical trial is to test if an artificial intelligence (AI) tool called DeepBMD can accurately identify people at high risk for osteoporosis using routine chest or abdomen CT scans. The main questions it aims to answer are:

  1. Can the DeepBMD tool correctly identify people who have osteoporosis compared to the standard bone density test, dual-energy X-ray absorptiometry (DXA)?
  2. Is it practical to use this AI tool in real-world hospital settings to find and contact high-risk patients? Researchers will use the DeepBMD tool to analyze existing CT scans. If the tool flags a patient as high risk, researchers will call them to invite them for a standard bone density test (DXA).

Participants will:

  1. Have their existing chest or abdomen CT scan analyzed by the DeepBMD AI tool;
  2. Receive a phone call from the research team if identified as high risk;
  3. Visit the clinic for a free standard bone density test (DXA) if they agree to participate.

Studie Overzicht

Toestand

Toestand

Geeft de huidige wervingsstatus of de uitgebreide toegangsstatus aan.
Actief, niet wervend

Conditie

Conditie

De ziekte, stoornis, syndroom, aandoening of verwonding die wordt bestudeerd. Op ClinicalTrials.gov kunnen aandoeningen ook andere gezondheidsgerelateerde problemen omvatten, zoals levensduur, kwaliteit van leven en gezondheidsrisico's.

Interventie / Behandeling

Interventie / Behandeling

Een proces of actie die centraal staat in een klinische studie. Interventies omvatten medicijnen, medische hulpmiddelen, procedures, vaccins en andere producten die in onderzoek zijn of al beschikbaar zijn. Interventies kunnen ook niet-invasieve benaderingen omvatten, zoals onderwijs of het aanpassen van voeding en lichaamsbeweging.

Studietype

Studietype

Beschrijft de aard van een klinische studie. Onderzoekstypen omvatten interventionele studies (ook wel klinische studies genoemd), observationele studies (inclusief patiëntenregistraties) en uitgebreide toegang.
Observationeel

Inschrijving (Geschat)

Inschrijving

Het aantal deelnemers aan een klinische studie. De "verwachte" inschrijving is het beoogde aantal deelnemers dat de onderzoekers nodig hebben voor het onderzoek.
100

Contacten en locaties

In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.

Studie Locaties

  • China
    • Hubei
      • Wuhan, Hubei, China, 430022
        • Union Hospital, Tongji Medical College, Huazhong University of Science and Technology

Deelname Criteria

Onderzoekers zoeken naar mensen die aan een bepaalde beschrijving voldoen, de zogenaamde geschiktheidscriteria. Enkele voorbeelden van deze criteria zijn iemands algemene gezondheidstoestand of eerdere behandelingen.

Geschiktheidscriteria

Geschiktheidscriteria

De belangrijkste eisen waaraan mensen die willen deelnemen aan een klinische studie moeten voldoen of de eigenschappen die ze moeten hebben. Geschiktheidscriteria bestaan ​​uit zowel inclusiecriteria (die vereist zijn voor een persoon om deel te nemen aan het onderzoek) als uitsluitingscriteria (die voorkomen dat een persoon deelneemt). Soorten geschiktheidscriteria zijn onder meer of een onderzoek gezonde vrijwilligers accepteert, leeftijds- of leeftijdsgroepvereisten heeft, of wordt beperkt door geslacht.

Leeftijden die in aanmerking komen voor studie

  • Volwassen
  • Oudere volwassene

Accepteert gezonde vrijwilligers

Nee

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

Patients who underwent non-contrast CT at our hospital (Union Hospital, Tongji Medical College, Huazhong University of Science and Technology) and were identified as high-risk for osteoporosis by the DeepBMD model.

Beschrijving

Inclusion Criteria:

  • Underwent non-contrast CT at our institution, with qualified image quality and no severe artifacts;
  • Identified as high-risk for osteoporosis by the DeepBMD model;
  • Had valid contact information available in the PACS, possessed normal cognitive and communication abilities, and was able to cooperate with telephone follow-ups and on-site examinations;
  • Voluntarily participated in the study, was able to sign a written informed consent form on-site, and agreed to undergo DXA examination.

Exclusion Criteria:

  • Severe spinal deformity, postoperative spinal internal fixation, malignant bone metastasis, or severe osteolytic lesions that may interfere with measurements;
  • A confirmed diagnosis of osteoporosis with ongoing standardized treatment;
  • Inability to be contacted, explicit refusal of follow-up, or inability to visit the hospital for informed consent signing and DXA examination.

Studie plan

Dit gedeelte bevat details van het studieplan, inclusief hoe de studie is opgezet en wat de studie meet.

Hoe is de studie opgezet?

Ontwerpdetails

Cohorten en interventies

Groep / Cohort

Groep / Cohort

Een groep of subgroep van deelnemers aan een observationele studie die wordt beoordeeld op biomedische of gezondheidsresultaten.
Interventie / Behandeling

Interventie / Behandeling

Een proces of actie die centraal staat in een klinische studie. Interventies omvatten medicijnen, medische hulpmiddelen, procedures, vaccins en andere producten die in onderzoek zijn of al beschikbaar zijn. Interventies kunnen ook niet-invasieve benaderingen omvatten, zoals onderwijs of het aanpassen van voeding en lichaamsbeweging.
High-risk patients for osteoporosis identified by DeepBMD model
Patients who underwent routine chest or abdominal CT scans and were identified as high risk for osteoporosis by the DeepBMD AI model. These participants will be contacted via telephone, invited to the clinic, and undergo a free DXA scan to verify bone mineral density.
Diagnostische toets: DeepBMD model for osteoporosis risk screening
The DeepBMD model is applied to routine chest or abdominal CT scans to identify patients at high risk for osteoporosis. This is a non-invasive image analysis used solely for screening and recruitment purposes, not as a therapeutic intervention.

Wat meet het onderzoek?

Primaire uitkomstmaten

Primaire uitkomstmaten

In het protocol van een klinische studie, de geplande uitkomstmaat die het belangrijkst is voor het evalueren van het effect van een interventie/behandeling. De meeste klinische onderzoeken hebben één primaire uitkomstmaat, maar sommige hebben er meer dan één.
Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Diagnostic performance of DeepBMD model for osteoporosis screening
Tijdsspanne: Concurrent with the DXA validation visit following the CT analysis (within 7 days).
The diagnostic performance of the DeepBMD model will be evaluated by comparing its predictions against the gold standard Dual-energy X-ray Absorptiometry (DXA). Specifically, we will calculate the sensitivity, specificity, positive predictive value (PPV), negative predictive value (NPV), and the Area Under the Receiver Operating Characteristic Curve (AUC) for identifying patients with osteoporosis.
Concurrent with the DXA validation visit following the CT analysis (within 7 days).

Secundaire uitkomstmaten

Secundaire uitkomstmaten

In het protocol van een klinische studie, een geplande uitkomstmaat die niet zo belangrijk is als de primaire uitkomstmaat voor het evalueren van het effect van een interventie, maar die nog steeds van belang is. De meeste klinische onderzoeken hebben meer dan één secundaire uitkomstmaat.
Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Feasibility of the DeepBMD screening and recall workflow
Tijdsspanne: At the end of recruitment
It will be assessed by calculating the proportion of patients identified as high-risk by DeepBMD who successfully complete the telephone follow-up and undergo the confirmatory DXA scan within the scheduled timeframe. We will also record the reasons for refusal or loss to follow-up to evaluate the acceptability of this AI-driven screening pathway.
At the end of recruitment

Medewerkers en onderzoekers

Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.

Sponsor

Sponsor

De organisatie of persoon die het onderzoek initieert en die autoriteit en controle heeft over het onderzoek.
Union Hospital, Tongji Medical College, Huazhong University of Science and Technology

Onderzoekers

Onderzoekers

Een onderzoeker die betrokken is bij een klinische studie. Verwante termen zijn onder meer hoofdonderzoeker van de locatie, subonderzoeker van de locatie, onderzoeksvoorzitter, onderzoeksleider en hoofdonderzoeker van de studie.
  • Hoofdonderzoeker: Fan Yang, PhD, MD, Union Hospital, Tongji Medical College, Huazhong University of Science and Technology

Publicaties en nuttige links

De persoon die verantwoordelijk is voor het invoeren van informatie over het onderzoek stelt deze publicaties vrijwillig ter beschikking. Dit kan gaan over alles wat met het onderzoek te maken heeft.

Algemene publicaties

Studie record data

Deze datums volgen de voortgang van het onderzoeksdossier en de samenvatting van de ingediende resultaten bij ClinicalTrials.gov. Studieverslagen en gerapporteerde resultaten worden beoordeeld door de National Library of Medicine (NLM) om er zeker van te zijn dat ze voldoen aan specifieke kwaliteitscontrolenormen voordat ze op de openbare website worden geplaatst.

Bestudeer belangrijke data

Studie start (Werkelijk)

Studie start

De daadwerkelijke datum waarop de eerste deelnemer aan een klinische studie deelnam. De "verwachte" startdatum van de studie is de datum waarvan de onderzoekers denken dat deze de startdatum van de studie zal zijn.
28 juli 2026

Primaire voltooiing (Werkelijk)

Primaire voltooiing

De datum waarop de laatste deelnemer aan een klinische studie is onderzocht of een interventie heeft ondergaan om definitieve gegevens voor de primaire uitkomstmaat te verzamelen. Of de klinische studie volgens het protocol is beëindigd of is beëindigd, heeft geen invloed op deze datum. Voor klinische onderzoeken met meer dan één primaire uitkomstmaat met verschillende voltooiingsdata verwijst deze term naar de datum waarop de gegevensverzameling voor alle primaire uitkomstmaten is voltooid. De "verwachte" primaire voltooiingsdatum is de datum waarvan de onderzoekers denken dat deze de primaire voltooiingsdatum voor het onderzoek zal zijn.
28 augustus 2026

Studie voltooiing (Geschat)

Studie voltooiing

De datum waarop de laatste deelnemer aan een klinisch onderzoek is onderzocht of een interventie/behandeling heeft ondergaan om definitieve gegevens te verzamelen voor de primaire uitkomstmaten, secundaire uitkomstmaten en bijwerkingen (d.w.z. het laatste bezoek van de laatste deelnemer). De "verwachte" voltooiingsdatum van de studie is de datum waarvan de onderzoekers denken dat deze de voltooiingsdatum van de studie zal zijn.
1 september 2026

Studieregistratiedata

Eerst ingediend

Eerst ingediend

De datum waarop de onderzoekssponsor of onderzoeker voor het eerst een onderzoeksdossier heeft ingediend bij ClinicalTrials.gov. Er is meestal een vertraging van een paar dagen tussen de eerste ingediende datum en de beschikbaarheid van het dossier op ClinicalTrials.gov (de eerste geposte datum).
22 juli 2026

Eerst ingediend dat voldeed aan de QC-criteria

Eerst ingediend dat voldeed aan de QC-criteria

De datum waarop de onderzoekssponsor of onderzoeker voor het eerst een onderzoeksdossier indient dat consistent is met de beoordelingscriteria voor kwaliteitscontrole (QC) van de National Library of Medicine (NLM). De sponsor of onderzoeker moet mogelijk een of meerdere keren een onderzoeksdossier herzien en indienen voordat aan de QC-beoordelingscriteria van NLM wordt voldaan. Het is de verantwoordelijkheid van de sponsor of onderzoeker om ervoor te zorgen dat het onderzoeksdossier consistent is met de NLM QC-beoordelingscriteria.
27 juli 2026

Eerst geplaatst (Werkelijk)

Eerst geplaatst

De datum waarop het onderzoeksdossier voor het eerst beschikbaar was op ClinicalTrials.gov nadat de beoordeling van de kwaliteitscontrole (QC) van de National Library of Medicine (NLM) is afgerond. Er is meestal een vertraging van een paar dagen tussen de datum waarop de onderzoekssponsor of onderzoeker het onderzoeksdossier heeft ingediend en de eerste geposte datum.
31 juli 2026

Updates van studierecords

Laatste update geplaatst (Werkelijk)

Laatste update geplaatst

De meest recente datum waarop wijzigingen in een onderzoeksdossier beschikbaar zijn gemaakt op ClinicalTrials.gov. Er kan een vertraging optreden tussen het moment waarop de wijzigingen zijn ingediend bij ClinicalTrials.gov door de sponsor of onderzoeker van het onderzoek (de datum waarop de laatste update is ingediend) en de datum waarop de laatste update is gepost.
3 september 2026

Laatste update ingediend die voldeed aan QC-criteria

Laatste update ingediend die voldeed aan QC-criteria

De meest recente datum waarop de onderzoekssponsor of onderzoeker wijzigingen in een onderzoeksdossier heeft ingediend die in overeenstemming zijn met de beoordelingscriteria voor kwaliteitscontrole (QC) van de National Library of Medicine (NLM). Het is de verantwoordelijkheid van de sponsor of onderzoeker om ervoor te zorgen dat het onderzoeksdossier consistent is met de NLM QC-beoordelingscriteria.
1 september 2026

Laatst geverifieerd

Laatst geverifieerd

De meest recente datum waarop de onderzoekssponsor of onderzoeker de informatie over een klinisch onderzoek op ClinicalTrials.gov als nauwkeurig en actueel heeft bevestigd. Indien een studie met een wervingsstatus van werving; nog niet aan het werven; of actief, geen rekrutering is niet bevestigd in de afgelopen 2 jaar, de rekruteringsstatus van de studie wordt weergegeven als onbekend.
1 september 2026

Meer informatie

Termen gerelateerd aan deze studie

Trefwoorden

Aanvullende relevante MeSH-voorwaarden

Andere studie-ID-nummers

Andere studie-ID-nummers

Identificatoren of ID-nummers anders dan het NCT-nummer die aan een klinisch onderzoek zijn toegewezen door de sponsor, financiers of anderen van het onderzoek. Deze nummers kunnen unieke identificatoren van andere onderzoeksregisters en subsidienummers van de National Institutes of Health bevatten.
  • UHCT260668

Plan Individuele Deelnemersgegevens (IPD)

Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?

JA

Beschrijving IPD-plan

De-identified individual participant data (IPD) will be made available to researchers who provide a methodologically sound proposal. The shared data will include the demographic information, DeepBMD screening results, and confirmatory DXA T-scores used in the study analyses. Requests should be directed to the corresponding author via email. Data will be available for non-commercial academic research purposes only. Applicants must sign a data access agreement prior to receiving the data.

IPD-tijdsbestek voor delen

Data will be available beginning 3 months following article publication and ending 36 months following article publication.

IPD-toegangscriteria voor delen

Researchers who provide a methodologically sound proposal for specific research questions related to osteoporosis screening or AI diagnostics will be granted access. Approved researchers will have access to the de-identified dataset containing patient demographics, imaging analysis results, and clinical outcomes. Access will be granted via secure email transfer after signing a data use agreement.

IPD delen Ondersteunend informatietype

  • LEERPROTOCOOL
  • SAP
  • ANALYTIC_CODE

Informatie over medicijnen en apparaten, studiedocumenten

Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel

Nee

Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct

Nee

Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .

Cookie-instellingen

We gebruiken cookies om ervoor te zorgen dat we u de beste ervaring op onze website bieden. Lees ons privacy- en cookiebeleid voor meer informatie. ...>>>U kunt uw voorkeuren op elk moment wijzigen of uw toestemming intrekken door de cookies van uw website of computer te verwijderen zoals beschreven in het beleid. Accepteer het en kies uw voorkeuren door de overeenkomstige vakjes aan te vinken in het gedeelte "Instellingen beheren" hieronder. Lees onze Servicevoorwaarden zorgvuldig door voordat u verder gaat met het gebruiken van enig onderdeel van deze website.
«Beheer instellingen