Esta página foi traduzida automaticamente e a precisão da tradução não é garantida. Por favor, consulte o versão em inglês para um texto fonte.

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

30 de julho de 2026 atualizado por: 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.

Visão geral do estudo

Status

Ainda não está recrutando

Condições

Tumor

Tipo de estudo

Observacional

Inscrição (Estimado)

100000

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: Lian Yang
Número de telefone: 18986273791
E-mail: yanglian@hust.edu.cn

Locais de estudo

China
- Hubei
  - Wuhan, Hubei, China, 430000
    - Union Hospital，Tongji Medical College，Huazhong University of Science and Technology
    - Contato:
      
      Lian Yang
      
      Número de telefone: 18986273791
      
      E-mail: yanglian@hust.edu.cn

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

Filho
Adulto
Adulto mais velho

Aceita Voluntários Saudáveis

Sim

Método de amostragem

Amostra Não Probabilística

População do estudo

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

Descrição

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.

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

Número de grupos/coortes

Coortes e Intervenções

Grupo / Coorte
Positive Group / Malignant Cohort
Negative Control Group I / Benign Cohort
Negative Control Group II / Healthy Cohort

O que o estudo está medindo?

Medidas de resultados primários

Medida de resultado	Descrição da medida	Prazo
Accuracy Prazo: 1.5 years	Proportion of correct classifications	1.5 years
Sensitivity Prazo: 1.5years	Proportion of true positive cases	1.5years
Specificity Prazo: 1.5years	Proportion of true negative cases	1.5years

Medidas de resultados secundários

Medida de resultado	Descrição da medida	Prazo
Delta Sensitivity (AI-assisted vs. unassisted) Prazo: 1.5years	Absolute difference in sensitivity between AI-assisted and unassisted human readings	1.5years
Delta Specificity (AI-assisted vs. unassisted) Prazo: 1.5years	Absolute difference in specificity between AI-assisted and unassisted human readings	1.5years
Delta Accuracy (AI-assisted vs. unassisted) Prazo: 1.5years	Absolute difference in accuracy between AI-assisted and unassisted human readings	1.5years

Colaboradores e Investigadores

É aqui que você encontrará pessoas e organizações envolvidas com este estudo.

Patrocinador

Lian Yang

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 (Estimado)

1 de julho de 2026

Conclusão Primária (Estimado)

1 de julho de 2028

Conclusão do estudo (Estimado)

1 de julho de 2028

Datas de inscrição no estudo

Enviado pela primeira vez

5 de junho de 2026

Enviado pela primeira vez que atendeu aos critérios de CQ