- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT06910956
Dyp læring ved bruk av røntgenbilder av brystet for å identifisere pasienter med høy risiko for screening av lungekreft CT
Dyp læring ved bruk av rutinemessige røntgenbilder av brystet og elektroniske medisinske journaldata for å identifisere pasienter med høy risiko for lungekreft screening CT
Målet med denne kliniske studien er å evaluere om et AI-verktøy som varsler leverandører om pasienter med høy 6-års risiko for lungekreft basert på røntgenbilder av brystet, vil forbedre CT-deltakelsen i lungekreft. Hovedspørsmålet det tar sikte på
Intervensjonen er et varsel for leverandøren om å diskutere lungekreft screening CT-kvalifisering, for pasienter som er vurdert med høy risiko for lungekreft basert på CXR-LC AI-verktøy.
Hvis det er en sammenligningsgruppe: Forskere vil sammenligne intervensjon og ikke-intervensjonsarmer for å avgjøre om CT-deltakelse i lungekreftskjerm øker.
Studieoversikt
Status
Intervensjon / Behandling
Studietype
Registrering (Antatt)
Fase
- Ikke aktuelt
Kontakter og plasseringer
Studiekontakt
- Navn: Michael T Lu, MD, MPH
- Telefonnummer: 617-726-1255
- E-post: mlu@mgh.harvard.edu
Studiesteder
-
-
Massachusetts
-
Boston, Massachusetts, Forente stater, 02114
- Rekruttering
- Massachusetts General Hospital
-
Ta kontakt med:
- Michael T Lu, MD, MPH
- Telefonnummer: 617-724-9729
- E-post: mlu@mgh.harvard.edu
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Voksen
- Eldre voksen
Tar imot friske frivillige
Beskrivelse
Store inkluderingskriterier:
- Planlagt poliklinisk avtale med deltakende leverandør.
- 50 til 77-åring som for tiden eller tidligere røykte, for å inkludere personer som potensielt er kvalifisert for lungescreening basert på Medicare-retningslinjene.
- Nylig (innen 2 år) PA -brystradiograf.
Eksklusjonskriterier:
• Historie eller tegn/symptomer på lungekreft. Nylig (innen 2 år) bryst Ct. Klinisk indikasjon for bryst CT utover screening av lungekreft.
Studieplan
Hvordan er studiet utformet?
Designdetaljer
- Primært formål: Screening
- Tildeling: Randomisert
- Intervensjonsmodell: Parallell tildeling
- Masking: Dobbelt
Våpen og intervensjoner
Deltakergruppe / Arm |
Intervensjon / Behandling |
|---|---|
|
Eksperimentell: Innblanding
|
Varsel til leverandøren om å diskutere lungekreft screening CT-kvalifisering, for pasienter som ble vurdert med høy risiko for lungekreft basert på CXR-LC AI-verktøy.
|
|
Ingen inngripen: Ikke-intervensjon
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Andel fullføring av lungekreft screening CT om 6 måneder etter besøket
Tidsramme: 6 måneder
|
For å vurdere innvirkning på lungekreft screening CT -deltakelse (definert som å fullføre lungekreft screening CT) i de 6 månedene etter baselinebesøket.
|
6 måneder
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Suspicious lung nodules
Tidsramme: 6 months
|
Suspicious lung nodules (Lung-RADS 4a or greater, including lung nodules ≥8 mm in diameter) identified on CT or diagnosed lung cancer.
|
6 months
|
Samarbeidspartnere og etterforskere
Sponsor
Samarbeidspartnere
Publikasjoner og nyttige lenker
Generelle publikasjoner
- Lu MT, Raghu VK, Mayrhofer T, Aerts HJWL, Hoffmann U. Deep Learning Using Chest Radiographs to Identify High-Risk Smokers for Lung Cancer Screening Computed Tomography: Development and Validation of a Prediction Model. Ann Intern Med. 2020 Nov 3;173(9):704-713. doi: 10.7326/M20-1868. Epub 2020 Sep 1.
- Lee JH, Lee D, Lu MT, Raghu VK, Park CM, Goo JM, Choi SH, Kim H. Deep Learning to Optimize Candidate Selection for Lung Cancer CT Screening: Advancing the 2021 USPSTF Recommendations. Radiology. 2022 Oct;305(1):209-218. doi: 10.1148/radiol.212877. Epub 2022 Jun 14.
- Raghu VK, Walia AS, Zinzuwadia AN, Goiffon RJ, Shepard JO, Aerts HJWL, Lennes IT, Lu MT. Validation of a Deep Learning-Based Model to Predict Lung Cancer Risk Using Chest Radiographs and Electronic Medical Record Data. JAMA Netw Open. 2022 Dec 1;5(12):e2248793. doi: 10.1001/jamanetworkopen.2022.48793.
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
Nøkkelord
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- 2023P002872
- 2025P002902 (Annen identifikator: Mass General Hospital)
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Studerer et amerikansk FDA-regulert enhetsprodukt
produkt produsert i og eksportert fra USA
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. .