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

Clinical Application Value of Deep Learning-Based "Opportunistic Screening" for Malignant Tumors on Routine Non-Contrast Chest-Abdomen-Pelvis CT

30. juli 2026 oppdatert av: Lian Yang

This study aims to develop and validate a deep learning-based opportunistic multi-cancer screening system using routine non-contrast chest-abdomen-pelvis CT examinations, including CHANCE-Breast, CHANCE-Liver, CHANCE-Kidney, and CHANCE-Bladder, for the early detection of breast, liver, kidney, and bladder cancers. In addition, the study will assess a human-AI collaborative framework to determine its potential for improving cancer detection and reducing missed diagnoses in clinical practice.

Studieoversikt

Status

Har ikke rekruttert ennå

Forhold

Svulst

Studietype

Observasjonsmessig

Registrering (Antatt)

100000

Kontakter og plasseringer

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

Studiekontakt

Navn: Lian Yang
Telefonnummer: 18986273791
E-post: yanglian@hust.edu.cn

Studiesteder

Kina
- Hubei
  - Wuhan, Hubei, Kina, 430000
    - Union Hospital，Tongji Medical College，Huazhong University of Science and Technology
    - Ta kontakt med:
      
      Lian Yang
      
      Telefonnummer: 18986273791
      
      E-post: yanglian@hust.edu.cn

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

Barn
Voksen
Eldre voksen

Tar imot friske frivillige

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

Patients with a confirmed diagnosis of the target malignancy who received treatment.

Beskrivelse

Inclusion Criteria:

Patients with a confirmed diagnosis of the target malignancy who received treatment at our institution;
Diagnostic-quality CT images without substantial metal or motion artifacts and with complete anatomical coverage of the target organ (breast, liver, kidney, or bladder);
Availability of complete pre-treatment non-contrast CT imaging data.

Exclusion Criteria:

Non-diagnostic image quality;
Absence of a definitive reference-standard diagnosis;
Incomplete clinical or imaging data.

Studieplan

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

Hvordan er studiet utformet?

Designdetaljer

Antall grupper / kohorter

Kohorter og intervensjoner

Gruppe / Kohort
Positive Group / Malignant Cohort
Negative Control Group I / Benign Cohort
Negative Control Group II / Healthy Cohort

Hva måler studien?

Primære resultatmål

Resultatmål	Tiltaksbeskrivelse	Tidsramme
Accuracy Tidsramme: 1.5 years	Proportion of correct classifications	1.5 years
Sensitivity Tidsramme: 1.5years	Proportion of true positive cases	1.5years
Specificity Tidsramme: 1.5years	Proportion of true negative cases	1.5years

Sekundære resultatmål

Resultatmål	Tiltaksbeskrivelse	Tidsramme
Delta Sensitivity (AI-assisted vs. unassisted) Tidsramme: 1.5years	Absolute difference in sensitivity between AI-assisted and unassisted human readings	1.5years
Delta Specificity (AI-assisted vs. unassisted) Tidsramme: 1.5years	Absolute difference in specificity between AI-assisted and unassisted human readings	1.5years
Delta Accuracy (AI-assisted vs. unassisted) Tidsramme: 1.5years	Absolute difference in accuracy between AI-assisted and unassisted human readings	1.5years

Samarbeidspartnere og etterforskere

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

Sponsor

Lian Yang

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)

1. juli 2026

Primær fullføring (Antatt)

1. juli 2028

Studiet fullført (Antatt)

1. juli 2028

Datoer for studieregistrering

Først innsendt

5. juni 2026

Først innsendt som oppfylte QC-kriteriene