Denne siden ble automatisk oversatt og nøyaktigheten av oversettelsen er ikke garantert. Vennligst referer til engelsk versjon for en kildetekst.

Vurdering av AI for å oppdage lungeknuter og kreft: studie før og etter utplassering (AI-Lung)

8. september 2025 oppdatert av: University of Florida

En ambispektiv observasjonskohortstudie før og etter utplassering for å evaluere utbyttet av handlingsdyktige lungeknuter og lungekreft gjennom røntgenbilder av thorax ved bruk av kunstig intelligens

Studien evaluerer virkningen av qXR-LN sammenlignet med standardtolkninger kun for radiologer før og etter AI-distribusjon. Målet er å sammenligne hvor godt lungeknuter og kreftformer oppdages i to tidsperioder: før og etter implementeringen av AI-verktøyet i rutinemessig klinisk praksis. Studien tar sikte på å finne ut om AI-systemet kan hjelpe radiologer med å identifisere mer handlingsdyktige lungeknuter og diagnostisere lungekreft tidligere, og til slutt forbedre pasientresultatene.

Det vil ikke bli gjort endringer i pasientens standardbehandling, og alle behandlingsbeslutninger vil være basert på legenes kliniske vurdering. Studien inkluderer pasienter over 35 år som får røntgen thorax av ulike medisinske årsaker, unntatt de med kjent lungekreft.

Studieoversikt

Detaljert beskrivelse

Denne studien evaluerer den kliniske effekten av det FDA-godkjente verktøyet for kunstig intelligens (AI), qXR-LN, for å oppdage lungeknuter og diagnostisere lungekreft ved hjelp av røntgenstråler (CXR). Studien bruker et ambispektivt observasjonskohortdesign med to kohorter: pre-distribusjon (før AI-implementering) og post-distribusjon (etter AI-implementering).

Hovedmålet er å vurdere forskjeller i lungeknuterdeteksjonsrater og prosentandelen av lungekreft diagnostisert gjennom knutebanen mellom de to kohortene. Sekundære mål inkluderer å evaluere om AI-verktøyet hjelper til med å oppdage flere tidlige stadier av lungekreft og identifisere årsaker til at pasienter dropper ut av knuteklinikken.

I kohorten etter utplassering integreres qXR-LN sømløst med sykehusets eksisterende systemer for å gi sanntids AI-funn på radiologenes arbeidsstasjoner. Radiologer kan godta eller avvise AI-forslag, og sikre at de endelige avgjørelsene forblir under menneskelig tilsyn. Data fra begge kohorter, inkludert pasientdemografi, nodule-deteksjonsrater, kreftdiagnoser og behandlingsresultater, vil bli samlet inn og analysert.

Studien ekskluderer pasienter under 35 år og de med kjent lungekreft på bildetidspunktet. Etiske hensyn inkluderer å oppnå fraskrivelser av samtykke der det er aktuelt og å sikre minimal risiko for deltakerne. Funnene i denne studien tar sikte på å informere klinisk praksis og forbedre bruken av AI-verktøy i lungekreftscreening og diagnose.

Studietype

Observasjonsmessig

Kontakter og plasseringer

Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.

Deltakelseskriterier

Forskere ser etter personer som passer til en bestemt beskrivelse, kalt kvalifikasjonskriterier. Noen eksempler på disse kriteriene er en persons generelle helsetilstand eller tidligere behandlinger.

Kvalifikasjonskriterier

Alder som er kvalifisert for studier

  • Voksen
  • Eldre voksen

Tar imot friske frivillige

Nei

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

Studiepopulasjonen består av pasienter i alderen 35 år og eldre som har gjennomgått røntgen thorax som en del av rutinemessig klinisk behandling. Disse pasientene blir evaluert for tilstedeværelse av lungeknuter og potensiell lungekreft. Studien inkluderer to kohorter: en kohort før utplassering, hvor røntgen av thorax tolkes ved bruk av standard kliniske metoder, og en kohort etter utplassering, hvor røntgen av thorax tolkes ved hjelp av det FDA-godkjente AI-verktøyet qXR- LN.

Pasienter med en kjent historie med lungekreft eller de som gjennomgår lateral røntgen av thorax er ekskludert. Populasjonen inkluderer individer fra ulike kliniske miljøer, for eksempel poliklinikker, akuttmottak og sykehusenheter, for å sikre et representativt utvalg av pasienter i den virkelige verden med luftveislidelser.

Det primære målet er å vurdere virkningen av AI-hjelp på lungeknuterdeteksjon og tidlig lungekreftdiagnose.

Beskrivelse

Inkluderingskriterier:

  • Alder ≥35 år på tidspunktet for røntgeninnsamling av thorax
  • Røntgen av thorax må innhentes som en del av rutinemessig behandling (f.eks. bestilles for luftveisplager, screening eller andre kliniske indikasjoner)
  • Røntgen av thorax utført ved bruk av CR/DR/DX-bildemodalitet
  • Eksamen beskrevet som "Bryst"
  • Visning: PA eller AP
  • Pasient plassert som oppreist eller liggende
  • Bilde tilgjengelig i gyldig DICOM-format med riktige DICOM-prefiksverdier (inkludert "DICM" i overskriften)

Ekskluderingskriterier:

  • Pasienter i alderen <35 år på tidspunktet for røntgen thorax
  • Pasienter med kjent lungekreft på tidspunktet for røntgen av thorax
  • Sidevisninger eller annen bildebehandlingsmodalitet enn CR/DR/DX
  • Bildebehandling eller anatomi ikke spesifisert som bryst (f.eks. forskjellige kroppsdeler eller modaliteter)

Studieplan

Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.

Hvordan er studiet utformet?

Designdetaljer

Kohorter og intervensjoner

Gruppe / Kohort
Kohort før distribusjon
Pasienter som gjennomgår standard røntgen av thorax før introduksjonen av det AI-baserte Computer Aided Detection-systemet (CAD). Denne kohorten representerer grunnlinjepopulasjonen som ble brukt til sammenligning, uten AI-intervensjon som ble brukt under avbildnings- eller rapporteringsprosessen.
Kohort etter distribusjon
Pasienter som gjennomgår røntgen av thorax etter at det AI-baserte Computer Aided Detection (CAD)-verktøyet er integrert i den kliniske arbeidsflyten. Selv om de ikke er tildelt som en "intervensjonsgruppe" i henhold til en tradisjonell prøveprotokoll, mottar disse pasientene bildediagnostikk evaluert av AI-verktøyet, og innvirkningen på diagnostiske utfall vil bli sammenlignet med kohorten før utplassering.

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Forskjellen i noduledeteksjonsfrekvens mellom kohorter før og etter utplassering
Tidsramme: Gjennom studiegjennomføring, ca 12 måneder.
Sammenlign andelen av pasienter med lungeknuter oppdaget på røntgen thorax før og etter implementering av AI-verktøyet (qXR-LN). Deteksjon av lungeknuter vil bli bestemt ved radiologisk tolkning av røntgen thorax. For kohorten før utplassering vil tilstedeværelsen eller fraværet av knuter utledes fra radiologirapporter og bekreftes av en klinisk forskningsmedarbeider. For post-distribusjon-kohorten vil knuter identifisert av qXR-LN og deretter gjennomgått av radiologer (ved hjelp av qTrack-verktøyet) tjene som det primære målet.
Gjennom studiegjennomføring, ca 12 måneder.

Sekundære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Prosentandel av lungekreft diagnostisert gjennom nodule pathway
Tidsramme: Gjennom studiegjennomføring, ca 12 måneder.
Vurder forskjellen i prosentandelen av lungekrefttilfeller diagnostisert via knuteveien i kohorter før og etter utplassering. Lungekreftdiagnose og stadieinndeling vil bli bekreftet gjennom patologirapporter (biopsiresultater) og/eller bildeoppfølging (CT/PET), som dokumentert i elektronisk journal (EPJ) og Radiologiinformasjonssystem (RIS).
Gjennom studiegjennomføring, ca 12 måneder.
Påvisning av lungekreft i tidlig stadium
Tidsramme: Gjennom studiegjennomføring, ca 12 måneder.
Sammenlign andelen av tidlig stadium (stadium I og stadium II) lungekreftdiagnoser mellom kohorter før og etter utplassering. Stadieinndeling vil bli hentet fra patologirapporten, bildeundersøkelser (CT-skanninger) og klinisk dokumentasjon i EPJ. Etablerte retningslinjer for TNM (Tumor, Node, Metastasis) klassifisering vil bli brukt for å bestemme kreftstadiet.
Gjennom studiegjennomføring, ca 12 måneder.
Årsaker til frafall fra Nodule Clinic Pathway
Tidsramme: Gjennom studiegjennomføring, ca 12 måneder.
Oppsummer og analyser årsaker til at pasienter ikke fullfører nodulklinikken i post-distribusjon-kohorten. Årsaker til frafall vil bli hentet fra pasientjournaler, kliniske notater, oppfølgingslogger og administrative journaler. Disse dataene kan inkludere dokumentasjon av pasientkontaktforsøk, planleggingsjournaler og lege- eller sykepleiernotater som angir pasientrapporterte årsaker til ikke å fullføre forløpet.
Gjennom studiegjennomføring, ca 12 måneder.

Samarbeidspartnere og etterforskere

Det er her du vil finne personer og organisasjoner som er involvert i denne studien.

Studierekorddatoer

Disse datoene sporer fremdriften for innsending av studieposter og sammendragsresultater til ClinicalTrials.gov. Studieposter og rapporterte resultater gjennomgås av National Library of Medicine (NLM) for å sikre at de oppfyller spesifikke kvalitetskontrollstandarder før de legges ut på det offentlige nettstedet.

Studer hoveddatoer

Studiestart (Antatt)

15. mai 2025

Primær fullføring (Antatt)

15. mars 2026

Studiet fullført (Antatt)

15. juni 2026

Datoer for studieregistrering

Først innsendt

17. desember 2024

Først innsendt som oppfylte QC-kriteriene

19. desember 2024

Først lagt ut (Faktiske)

24. desember 2024

Oppdateringer av studieposter

Sist oppdatering lagt ut (Antatt)

15. september 2025

Siste oppdatering sendt inn som oppfylte QC-kriteriene

8. september 2025

Sist bekreftet

1. desember 2024

Mer informasjon

Begreper knyttet til denne studien

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

NEI

Legemiddel- og utstyrsinformasjon, studiedokumenter

Studerer et amerikansk FDA-regulert medikamentprodukt

Nei

Studerer et amerikansk FDA-regulert enhetsprodukt

Nei

produkt produsert i og eksportert fra USA

Nei

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. .

Abonnere