LEGACY: Lung Cancer Screening in Individuals With a Lung Cancer Family History-Protocol B
21 de agosto de 2026 atualizado por: 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.
Visão geral do estudo
Status
Recrutamento
Condições
Intervenção / Tratamento
Descrição detalhada
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.
Tipo de estudo
Observacional
Inscrição (Estimado)
2250
Contactos e Locais
Esta seção fornece os detalhes de contato para aqueles que conduzem o estudo e informações sobre onde este estudo está sendo realizado.
Contato de estudo
- Nome: Allison Chang, MD
- Número de telefone: 617-724-4000
- E-mail: aechang@mgb.org
Locais de estudo
-
-
Massachusetts
-
Boston, Massachusetts, Estados Unidos, 02114
- Recrutamento
- Massachusetts General Hospital
-
Contato:
- Allison Chang, MD
- Número de telefone: 617-724-4000
- E-mail: aechang@mgb.org
-
-
Critérios de participação
Os pesquisadores procuram pessoas que se encaixem em uma determinada descrição, chamada de critérios de elegibilidade. Alguns exemplos desses critérios são a condição geral de saúde de uma pessoa ou tratamentos anteriores.
Critérios de elegibilidade
Idades elegíveis para estudo
- Adulto
- Adulto mais velho
Aceita Voluntários Saudáveis
N/D
Método de amostragem
Amostra Não Probabilística
População do estudo
This study will enroll individuals who have a family history of lung cancer (≥1 first-degree relative or ≥2 second-degree relatives).
Descrição
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
Plano de estudo
Esta seção fornece detalhes do plano de estudo, incluindo como o estudo é projetado e o que o estudo está medindo.
Como o estudo é projetado?
Detalhes do projeto
Coortes e Intervenções
Grupo / Coorte |
Intervenção / Tratamento |
|---|---|
|
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
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Sybil's performance in predicting future lung cancer diagnoses
Prazo: 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.
|
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Distribution of Sybil lung cancer risk scores compared to participants in the NLST clinical trial
Prazo: 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
Prazo: 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
Prazo: 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.
|
Colaboradores e Investigadores
É aqui que você encontrará pessoas e organizações envolvidas com este estudo.
Patrocinador
Investigadores
- Investigador principal: Allison Chang, MD, Massachusetts General Hospital
Datas de registro do estudo
Essas datas acompanham o progresso do registro do estudo e os envios de resumo dos resultados para ClinicalTrials.gov. Os registros do estudo e os resultados relatados são revisados pela National Library of Medicine (NLM) para garantir que atendam aos padrões específicos de controle de qualidade antes de serem publicados no site público.
Datas Principais do Estudo
Início do estudo (Real)
17 de junho de 2026
Conclusão Primária (Estimado)
31 de dezembro de 2033
Conclusão do estudo (Estimado)
31 de dezembro de 2035
Datas de inscrição no estudo
Enviado pela primeira vez
14 de maio de 2026
Enviado pela primeira vez que atendeu aos critérios de CQ
14 de maio de 2026
Primeira postagem (Real)
22 de maio de 2026
Atualizações de registro de estudo
Última Atualização Postada (Real)
25 de agosto de 2026
Última atualização enviada que atendeu aos critérios de controle de qualidade
21 de agosto de 2026
Última verificação
1 de agosto de 2026
Mais Informações
Termos relacionados a este estudo
Palavras-chave
Termos MeSH relevantes adicionais
- Neoplasias por local
- Neoplasias
- Doenças Respiratórias
- Doenças pulmonares
- Neoplasias do Trato Respiratório
- Neoplasias Torácicas
- Neoplasias Pulmonares
- Técnicas e procedimentos de diagnóstico
- Diagnóstico
- Tomografia
- Diagnóstico imagens
- Radiografia
- Interpretação de imagem, assistida por computador
- Aprimoramento da imagem radiográfica
- Aprimoramento da imagem
- Fotografia
- Tomografia, raio-x
- Tomografia, raio-x calculado
Outros números de identificação do estudo
- 26-054
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
SIM
Descrição do plano 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.
Prazo de Compartilhamento de IPD
Data can be shared no earlier than 1 year following the date of publication
Critérios de acesso de compartilhamento IPD
Contact the Partners Innovations team at http://www.partners.org/innovation
Tipo de informação de suporte de compartilhamento de IPD
- PROTOCOLO DE ESTUDO
- SEIVA
- CIF
Informações sobre medicamentos e dispositivos, documentos de estudo
Estuda um medicamento regulamentado pela FDA dos EUA
Não
Estuda um produto de dispositivo regulamentado pela FDA dos EUA
Não
Essas informações foram obtidas diretamente do site clinicaltrials.gov sem nenhuma alteração. Se você tiver alguma solicitação para alterar, remover ou atualizar os detalhes do seu estudo, entre em contato com register@clinicaltrials.gov. Assim que uma alteração for implementada em clinicaltrials.gov, ela também será atualizada automaticamente em nosso site .