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

A Multicenter Prospective Study Evaluating the Diagnostic Performance of Femtosecond Laser Label-Free Imaging Combined With Artificial Intelligence for Predicting High-Risk Pathological Features in Lung Cancer

28 augustus 2026 bijgewerkt door: Shanghai Zhongshan Hospital
To investigate the diagnostic performance of Femtosecond Laser Label-Free Imaging combined with artificial intelligence for predicting high-risk pathological features in lung cancer

Studie Overzicht

Toestand

Nog niet aan het werven

Conditie

Interventie / Behandeling

Studietype

Observationeel

Inschrijving (Geschat)

333

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

Leeftijden die in aanmerking komen voor studie

  • Kind
  • Volwassen
  • Oudere volwassene

Accepteert gezonde vrijwilligers

NVT

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

Lung cancer patients undergoing pulmonary resection.

Beschrijving

Inclusion Criteria:

  1. Pulmonary nodules detected by clinical imaging with an indication for surgical resection.
  2. Patient agrees to and is planned for pulmonary (partial) resection.
  3. Resected specimens are suitable for FLI imaging.
  4. Written informed consent obtained from the patient or legal representative.
  5. Patients undergoing pulmonary (partial) resection at our hospital during this study.

Exclusion Criteria:

  1. Insufficient sample.
  2. Specimen with crushing, contamination, or improper preservation, precluding valid imaging as judged by the investigator.
  3. Inability to obtain matched pathology results corresponding to FLI images.
  4. Inability to obtain final pathological diagnosis.
  5. Other conditions deemed by the investigator as unsuitable for study participation.

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

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Tijdsspanne
The primary endpoint is the accuracy of the FLI combined with the AI model in predicting regional lymph node metastasis status in lung cancer, evaluated using postoperative pathology results as the reference standard.
Tijdsspanne: through study completion, an average of 2 year
through study completion, an average of 2 year

Medewerkers en onderzoekers

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

Sponsor

Shanghai Zhongshan Hospital

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 (Geschat)

1 september 2026

Primaire voltooiing (Geschat)

31 augustus 2028

Studie voltooiing (Geschat)

31 augustus 2028

Studieregistratiedata

Eerst ingediend

24 augustus 2026

Eerst ingediend dat voldeed aan de QC-criteria

28 augustus 2026

Eerst geplaatst (Werkelijk)

2 september 2026

Updates van studierecords

Laatste update geplaatst (Werkelijk)

2 september 2026

Laatste update ingediend die voldeed aan QC-criteria

28 augustus 2026

Laatst geverifieerd

1 augustus 2026

Meer informatie

Termen gerelateerd aan deze studie

Trefwoorden

Aanvullende relevante MeSH-voorwaarden

Andere studie-ID-nummers

  • B2026-532

Plan Individuele Deelnemersgegevens (IPD)

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

ONBESLIST

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 .

Abonneren