LEGACY: Lung Cancer Screening in Individuals With a Lung Cancer Family History-Protocol B
21. august 2026 oppdatert av: Allison Chang, Massachusetts General Hospital
This research is being done to determine if an image-based deep learning model (Sybil) can accurately predict the likelihood of future lung cancer based on chest computed tomography (CT) imaging from individuals with a family history of lung cancer.
Studieoversikt
Status
Rekruttering
Forhold
Intervensjon / Behandling
Detaljert beskrivelse
This is a non-therapeutic study that will enroll individuals who have a family history of lung cancer.
During the study, participants will provide questionnaire responses regarding their personal medical history, family lung cancer history, and exposures along with contributing images from at least one previously obtained CT chest scan.
The images and data collected will be analyzed by an image-based deep learning model (Sybil).
Sybil is a type of artificial intelligence model that has been shown to accurately predict individuals' future risk of lung cancer based solely on images from a CT Chest scan, but it is unknown if it works well in people with a family history of lung cancer.
It is expected that 2,250 will take part in this research study.
Studietype
Observasjonsmessig
Registrering (Antatt)
2250
Kontakter og plasseringer
Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.
Studiekontakt
- Navn: Allison Chang, MD
- Telefonnummer: 617-724-4000
- E-post: aechang@mgb.org
Studiesteder
-
-
Massachusetts
-
Boston, Massachusetts, Forente stater, 02114
- Rekruttering
- Massachusetts General Hospital
-
Ta kontakt med:
- Allison Chang, MD
- Telefonnummer: 617-724-4000
- E-post: aechang@mgb.org
-
-
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
N/A
Prøvetakingsmetode
Ikke-sannsynlighetsprøve
Studiepopulasjon
This study will enroll individuals who have a family history of lung cancer (≥1 first-degree relative or ≥2 second-degree relatives).
Beskrivelse
Inclusion Criteria:
- ≥18 years of age
Positive family history of lung cancer (defined as):
- Has ≥1 first-degree relative OR
- Has ≥2 second-degree relatives with a diagnosis of non-small cell lung cancer or small cell lung cancer (NB: a first-degree relative = parent, sibling, or child, a second-degree relative = grandparent, blood-related aunt or uncle, grandchild, blood-related niece or nephew, half-sibling)
- Willing to provide images from at least one previously obtained CT Chest scan, if available.
Exclusion Criteria:
- None
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 |
Intervensjon / Behandling |
|---|---|
|
Retrospective CT scan
Participants will contribute images and corresponding radiology reports from at least one retrospective CT chest scan.
|
Previously obtained computed tomography scan
Image-based deep learning model
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Sybil's performance in predicting future lung cancer diagnoses
Tidsramme: From date of receival of retrospective CT scan for up to 2 years.
|
We will estimate future lung cancer diagnoses using the area under the receiver operating curve (AUROC).
|
From date of receival of retrospective CT scan for up to 2 years.
|
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Distribution of Sybil lung cancer risk scores compared to participants in the NLST clinical trial
Tidsramme: From receival of retrospective CT scan for up to 2 years.
|
We will compare the distribution of Sybil scores between participants in the LEGACY study and National Lung Screening Trial.
|
From receival of retrospective CT scan for up to 2 years.
|
|
Incidence and prevalence of lung cancer in the study population
Tidsramme: From receival of retrospective CT scan for up to 2 years.
|
We will estimate the incidence of lung cancer in the LEGACY population.
|
From receival of retrospective CT scan for up to 2 years.
|
|
Incidence, prevalence, and characteristics of lung nodules in this population
Tidsramme: From receival of retrospective CT scan for up to 2 years.
|
We will estimate the incidence, prevalence, and characteristics of lung nodules in the LEGACY population.
|
From receival of retrospective CT scan for up to 2 years.
|
Samarbeidspartnere og etterforskere
Det er her du vil finne personer og organisasjoner som er involvert i denne studien.
Sponsor
Etterforskere
- Hovedetterforsker: Allison Chang, MD, Massachusetts General Hospital
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 (Faktiske)
17. juni 2026
Primær fullføring (Antatt)
31. desember 2033
Studiet fullført (Antatt)
31. desember 2035
Datoer for studieregistrering
Først innsendt
14. mai 2026
Først innsendt som oppfylte QC-kriteriene
14. mai 2026
Først lagt ut (Faktiske)
22. mai 2026
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
25. august 2026
Siste oppdatering sendt inn som oppfylte QC-kriteriene
21. august 2026
Sist bekreftet
1. august 2026
Mer informasjon
Begreper knyttet til denne studien
Nøkkelord
Ytterligere relevante MeSH-vilkår
- Neoplasmer etter nettsted
- Neoplasmer
- Sykdommer i luftveiene
- Lungesykdommer
- Neoplasmer i luftveiene
- Thoracale neoplasmer
- Lungeneoplasmer
- Diagnostiske teknikker og prosedyrer
- Diagnose
- Tomografi
- Diagnostisk avbildning
- Radiografi
- Bildetolkning, datamaskinassistert
- Radiografisk bildeforbedring
- Bildeforbedring
- Fotografi
- Tomografi, røntgen
- Tomografi, røntgenberegnet
Andre studie-ID-numre
- 26-054
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
JA
IPD-planbeskrivelse
The Dana-Farber / Harvard Cancer Center encourages and supports the responsible and ethical sharing of data from clinical trials.
De-identified participant data from the final research dataset used in the published manuscript may only be shared under the terms of a Data Use Agreement.
Requests may be directed to: Allison Chang, MD (aechang@mgb.org).
The protocol and statistical analysis plan will be made available on Clinicaltrials.gov
only as required by federal regulation or as a condition of awards and agreements supporting the research.
IPD-delingstidsramme
Data can be shared no earlier than 1 year following the date of publication
Tilgangskriterier for IPD-deling
Contact the Partners Innovations team at http://www.partners.org/innovation
IPD-deling Støtteinformasjonstype
- STUDY_PROTOCOL
- SEVJE
- ICF
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Nei
Studerer et amerikansk FDA-regulert enhetsprodukt
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. .