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

Validation of a Deep Learning Tool for Opportunistic Osteoporosis Screening Using Routine Non-Contrast CT Scans

1 września 2026 zaktualizowane przez: Yang Fan, Union Hospital, Tongji Medical College, Huazhong University of Science and Technology

Prospective Clinical Validation Study of a Deep Learning Model for Opportunistic Osteoporosis Screening Based on Non-Contrast CT Scans

The goal of this clinical trial is to test if an artificial intelligence (AI) tool called DeepBMD can accurately identify people at high risk for osteoporosis using routine chest or abdomen CT scans. The main questions it aims to answer are:

  1. Can the DeepBMD tool correctly identify people who have osteoporosis compared to the standard bone density test, dual-energy X-ray absorptiometry (DXA)?
  2. Is it practical to use this AI tool in real-world hospital settings to find and contact high-risk patients? Researchers will use the DeepBMD tool to analyze existing CT scans. If the tool flags a patient as high risk, researchers will call them to invite them for a standard bone density test (DXA).

Participants will:

  1. Have their existing chest or abdomen CT scan analyzed by the DeepBMD AI tool;
  2. Receive a phone call from the research team if identified as high risk;
  3. Visit the clinic for a free standard bone density test (DXA) if they agree to participate.

Przegląd badań

Status

Aktywny, nie rekrutujący

Warunki

Interwencja / Leczenie

Typ studiów

Obserwacyjny

Zapisy (Szacowany)

100

Kontakty i lokalizacje

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

Lokalizacje studiów

  • Chiny
    • Hubei
      • Wuhan, Hubei, Chiny, 430022
        • Union Hospital, Tongji Medical College, Huazhong University of Science and Technology

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

Metoda próbkowania

Próbka bez prawdopodobieństwa

Badana populacja

Patients who underwent non-contrast CT at our hospital (Union Hospital, Tongji Medical College, Huazhong University of Science and Technology) and were identified as high-risk for osteoporosis by the DeepBMD model.

Opis

Inclusion Criteria:

  • Underwent non-contrast CT at our institution, with qualified image quality and no severe artifacts;
  • Identified as high-risk for osteoporosis by the DeepBMD model;
  • Had valid contact information available in the PACS, possessed normal cognitive and communication abilities, and was able to cooperate with telephone follow-ups and on-site examinations;
  • Voluntarily participated in the study, was able to sign a written informed consent form on-site, and agreed to undergo DXA examination.

Exclusion Criteria:

  • Severe spinal deformity, postoperative spinal internal fixation, malignant bone metastasis, or severe osteolytic lesions that may interfere with measurements;
  • A confirmed diagnosis of osteoporosis with ongoing standardized treatment;
  • Inability to be contacted, explicit refusal of follow-up, or inability to visit the hospital for informed consent signing and DXA examination.

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
High-risk patients for osteoporosis identified by DeepBMD model
Patients who underwent routine chest or abdominal CT scans and were identified as high risk for osteoporosis by the DeepBMD AI model. These participants will be contacted via telephone, invited to the clinic, and undergo a free DXA scan to verify bone mineral density.
Test diagnostyczny: DeepBMD model for osteoporosis risk screening
The DeepBMD model is applied to routine chest or abdominal CT scans to identify patients at high risk for osteoporosis. This is a non-invasive image analysis used solely for screening and recruitment purposes, not as a therapeutic intervention.

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Diagnostic performance of DeepBMD model for osteoporosis screening
Ramy czasowe: Concurrent with the DXA validation visit following the CT analysis (within 7 days).
The diagnostic performance of the DeepBMD model will be evaluated by comparing its predictions against the gold standard Dual-energy X-ray Absorptiometry (DXA). Specifically, we will calculate the sensitivity, specificity, positive predictive value (PPV), negative predictive value (NPV), and the Area Under the Receiver Operating Characteristic Curve (AUC) for identifying patients with osteoporosis.
Concurrent with the DXA validation visit following the CT analysis (within 7 days).

Miary wyników drugorzędnych

Miara wyniku
Opis środka
Ramy czasowe
Feasibility of the DeepBMD screening and recall workflow
Ramy czasowe: At the end of recruitment
It will be assessed by calculating the proportion of patients identified as high-risk by DeepBMD who successfully complete the telephone follow-up and undergo the confirmatory DXA scan within the scheduled timeframe. We will also record the reasons for refusal or loss to follow-up to evaluate the acceptability of this AI-driven screening pathway.
At the end of recruitment

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

Union Hospital, Tongji Medical College, Huazhong University of Science and Technology

Śledczy

  • Główny śledczy: Fan Yang, PhD, MD, Union Hospital, Tongji Medical College, Huazhong University of Science and Technology

Publikacje i pomocne linki

Osoba odpowiedzialna za wprowadzenie informacji o badaniu dobrowolnie udostępnia te publikacje. Mogą one dotyczyć wszystkiego, co jest związane z badaniem.

Publikacje ogólne

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 (Rzeczywisty)

28 lipca 2026

Zakończenie podstawowe (Rzeczywisty)

28 sierpnia 2026

Ukończenie studiów (Szacowany)

1 września 2026

Daty rejestracji na studia

Pierwszy przesłany

22 lipca 2026

Pierwszy przesłany, który spełnia kryteria kontroli jakości

27 lipca 2026

Pierwszy wysłany (Rzeczywisty)

31 lipca 2026

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

3 września 2026

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

1 września 2026

Ostatnia weryfikacja

1 września 2026

Więcej informacji

Terminy związane z tym badaniem

Słowa kluczowe

Dodatkowe istotne warunki MeSH

Inne numery identyfikacyjne badania

  • UHCT260668

Plan dla danych uczestnika indywidualnego (IPD)

Planujesz udostępniać dane poszczególnych uczestników (IPD)?

TAK

Opis planu IPD

De-identified individual participant data (IPD) will be made available to researchers who provide a methodologically sound proposal. The shared data will include the demographic information, DeepBMD screening results, and confirmatory DXA T-scores used in the study analyses. Requests should be directed to the corresponding author via email. Data will be available for non-commercial academic research purposes only. Applicants must sign a data access agreement prior to receiving the data.

Ramy czasowe udostępniania IPD

Data will be available beginning 3 months following article publication and ending 36 months following article publication.

Kryteria dostępu do udostępniania IPD

Researchers who provide a methodologically sound proposal for specific research questions related to osteoporosis screening or AI diagnostics will be granted access. Approved researchers will have access to the de-identified dataset containing patient demographics, imaging analysis results, and clinical outcomes. Access will be granted via secure email transfer after signing a data use agreement.

Typ informacji pomocniczych dotyczących udostępniania IPD

  • PROTOKÓŁ BADANIA
  • SOK ROŚLINNY
  • ANALITYCZNY_KOD

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 .

Subskrybuj