Integrering av kunstig intelligens i lungekreftscreening. (DACAPO)
En randomisert kontrollert studie av å inkludere en dyp læringsbasert analyse av brysttomografi som en hjelp til beslutningstaking av tverrfaglige teammøter for lungekreftscreening hos kvalifiserte pasienter
Lung cancer (LC) screening using low-dose chest CT (LDCT) has already proven its efficacy.
The mortality reduction associated with LC screening is around 20%, much higher than the reduction in mortality associated with screening for breast, colon or prostate cancers.
Implementing lung cancer screening on a large scale faces two main obstacles:
- The lack of thoracic radiologists and LDCT necessary for the eligible population (between 1.6 and 2.2 million people in France);
- The high frequency of false positive screenings: in the NLST trial, more than 20% of the subjects screened were found to have at least one nodule of an indeterminate lung nodule (ILN) whereas less than 3% of ILNs are actually LC.
The gold standard for determining on the benign or malignant nature of a nodule is definitive histology. Otherwise, the evolution of the nodule on serial thoracic imaging is a good alternative. The period of indeterminacy of a nodule can be as long as 24 months in many cases, which can be a source of prolonged and sometimes unjustified anxiety for screening candidates.
The purpose of this randomized controlled study that focuses on LC screening in patients aged 50 to 80 years, who smoked more than 20 packs/ year or stopped smoking less than 15 years ago. Its objective is to determine whether assisting multidisciplinary team (MDT) meetings with an AI-based analysis of screening LDCT accelerates the definitive classification of nodules into malignant or benign.
Studieoversikt
Studietype
Registrering (Antatt)
Fase
- Ikke aktuelt
Kontakter og plasseringer
Studiekontakt
- Navn: Marquette Charles-Hugo, PhD
- Telefonnummer: +33492037777
- E-post: marquette.c@chu-nice.fr
Studer Kontakt Backup
- Navn: Boutros Jacques
- Telefonnummer: +33492037777
- E-post: boutros.j@chu-nice.fr
Studiesteder
-
-
Alpes-maritimes
-
Nice, Alpes-maritimes, Frankrike, 06001
- Rekruttering
- CHU de Nice - Hôpital de Pasteur
-
Ta kontakt med:
- Marquette Charles-Hugo, PhD
- Telefonnummer: +33492037777
- E-post: marquette.c@chu-nice.fr
-
Ta kontakt med:
- Boutros Jacques
- Telefonnummer: +33492037777
- E-post: boutros.j@chu-nice.fr
-
Hovedetterforsker:
- Marquette Charles-Hugo, PhD
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
Tar imot friske frivillige
Kjønn som er kvalifisert for studier
Beskrivelse
Inclusion Criteria:
- Age between 50 and 80 years old
- active smoker or ex-smoker who quit smoking less than 15 years ago
- smoking history of at least 20 pack-years
- signature of the informed consent
- affiliation to French social security
Exclusion Criteria:
- clinical signs suggestive of cancer
- recent chest scan (<1 year) for another cause
- radiological abnormality requiring follow-up or additional investigations
- health problem significantly limiting life expectancy from the clinician's point of view
- health problem limiting ability or willingness to undergo lung surgery
- Patients with active neoplasia, except basal cell carcinoma of the skin.
- vulnerable people: adults under guardianship, adults under curatorship medical and/or psychiatric problems of sufficient severity to limit full adherence to the study or expose patients to excessive risk
Studieplan
Hvordan er studiet utformet?
Designdetaljer
- Primært formål: Diagnostisk
- Tildeling: Randomisert
- Intervensjonsmodell: Parallell tildeling
- Masking: Ingen (Open Label)
Våpen og intervensjoner
Deltakergruppe / Arm |
Intervensjon / Behandling |
|---|---|
|
Eksperimentell: IA Group
Patients with at least one nodule (> 6mm) for whom the multidisciplinary team meeting discussion is informed of the AI-based analysis of their chest computed tomography |
The multidisciplinary team meeting discussion is informed of the AI-based analysis of their chest computed tomography |
|
Annen: Group not IA analysis
Patients with at least one nodule (> 6mm) for whom the multidisciplinary team meeting discussion is not informed of the AI-based analysis of their chest computed tomography |
The multidisciplinary team meeting discussion is not informed of the AI-based analysis of their chest computed tomography |
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Diagnosis of lung disease
Tidsramme: At 3 years
|
Elapsed time between lung nodule discovery and MDT decision making. |
At 3 years
|
Sekundære resultatmål
Resultatmål |
Tidsramme |
|---|---|
|
Driftsegenskaper ved Ai-basert strategi
Tidsramme: Ved 3 år
|
Ved 3 år
|
Samarbeidspartnere og etterforskere
Etterforskere
- Hovedetterforsker: Marquette Charles-Hugo, CHU de Nice, Service de Pneumologie
Publikasjoner og nyttige lenker
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
Primær fullføring (Antatt)
Studiet fullført (Antatt)
Datoer for studieregistrering
Først innsendt
Først innsendt som oppfylte QC-kriteriene
Først lagt ut (Faktiske)
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Sist bekreftet
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- 22-PP-12
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
IPD-planbeskrivelse
Data are available upon reasonable request
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Studerer et amerikansk FDA-regulert enhetsprodukt
Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .