Ta strona została przetłumaczona automatycznie i dokładność tłumaczenia nie jest gwarantowana. Proszę odnieść się do angielska wersja za tekst źródłowy.

LEGACY: Lung Cancer Screening in Individuals With a Lung Cancer Family History-Protocol B

22 maja 2026 zaktualizowane przez: 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.

Przegląd badań

Status

Jeszcze nie rekrutacja

Warunki

Interwencja / Leczenie

Szczegółowy opis

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.

Typ studiów

Obserwacyjny

Zapisy (Szacowany)

2250

Kontakty i lokalizacje

Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.

Kontakt w sprawie studiów

  • Nazwa: Allison Chang, MD
  • Numer telefonu: 617-724-4000
  • E-mail: aechang@mgb.org

Lokalizacje studiów

  • Stany Zjednoczone
    • Massachusetts
      • Boston, Massachusetts, Stany Zjednoczone, 02114
        • Massachusetts General Hospital
        • Kontakt:

Kryteria uczestnictwa

Badacze szukają osób, które pasują do określonego opisu, zwanego kryteriami kwalifikacyjnymi. Niektóre przykłady tych kryteriów to ogólny stan zdrowia danej osoby lub wcześniejsze leczenie.

Kryteria kwalifikacji

Wiek uprawniający do nauki

  • Dorosły
  • Starszy dorosły

Akceptuje zdrowych ochotników

Nie dotyczy

Metoda próbkowania

Próbka bez prawdopodobieństwa

Badana populacja

This study will enroll individuals who have a family history of lung cancer (≥1 first-degree relative or ≥2 second-degree relatives).

Opis

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

Plan studiów

Ta sekcja zawiera szczegółowe informacje na temat planu badania, w tym sposób zaprojektowania badania i jego pomiary.

Jak projektuje się badanie?

Szczegóły projektu

Kohorty i interwencje

Grupa / Kohorta
Interwencja / Leczenie
Retrospective CT scan
Participants will contribute images and corresponding radiology reports from at least one retrospective CT chest scan.
Test diagnostyczny: CT scan
Previously obtained computed tomography scan
Inny: Sybil
Image-based deep learning model

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Sybil's performance in predicting future lung cancer diagnoses
Ramy czasowe: 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.

Miary wyników drugorzędnych

Miara wyniku
Opis środka
Ramy czasowe
Distribution of Sybil lung cancer risk scores compared to participants in the NLST clinical trial
Ramy czasowe: 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
Ramy czasowe: 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
Ramy czasowe: 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.

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

Massachusetts General Hospital

Śledczy

  • Główny śledczy: Allison Chang, MD, Massachusetts General Hospital

Daty zapisu na studia

Daty te śledzą postęp w przesyłaniu rekordów badań i podsumowań wyników do ClinicalTrials.gov. Zapisy badań i zgłoszone wyniki są przeglądane przez National Library of Medicine (NLM), aby upewnić się, że spełniają określone standardy kontroli jakości, zanim zostaną opublikowane na publicznej stronie internetowej.

Główne daty studiów

Rozpoczęcie studiów (Szacowany)

15 czerwca 2026

Zakończenie podstawowe (Szacowany)

31 grudnia 2033

Ukończenie studiów (Szacowany)

31 grudnia 2035

Daty rejestracji na studia

Pierwszy przesłany

14 maja 2026

Pierwszy przesłany, który spełnia kryteria kontroli jakości

14 maja 2026

Pierwszy wysłany (Rzeczywisty)

22 maja 2026

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

27 maja 2026

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

22 maja 2026

Ostatnia weryfikacja

1 maja 2026

Więcej informacji

Terminy związane z tym badaniem

Słowa kluczowe

Dodatkowe istotne warunki MeSH

Inne numery identyfikacyjne badania

  • 26-054

Plan dla danych uczestnika indywidualnego (IPD)

Planujesz udostępniać dane poszczególnych uczestników (IPD)?

TAK

Opis planu IPD

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.

Ramy czasowe udostępniania IPD

Data can be shared no earlier than 1 year following the date of publication

Kryteria dostępu do udostępniania IPD

Contact the Partners Innovations team at http://www.partners.org/innovation

Typ informacji pomocniczych dotyczących udostępniania IPD

  • PROTOKÓŁ BADANIA
  • SOK ROŚLINNY
  • ICF

Informacje o lekach i urządzeniach, dokumenty badawcze

Bada produkt leczniczy regulowany przez amerykańską FDA

Nie

Bada produkt urządzenia regulowany przez amerykańską FDA

Nie

Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .

Badania kliniczne na CT scan

Wyszukaj podobne próby

Sponsorzy i współpracownicy

Warunki medyczne

Interwencje lekowe

CROs by country

CROs in Myanmar

Warunki

Rzadkie choroby

Interwencje lekowe

Suplementy diety

Sponsor / Współpracownicy

Lokalizacje

Subskrybuj