Validation of a Deep Learning Tool for Opportunistic Osteoporosis Screening Using Routine Non-Contrast CT Scans
1 de setembro de 2026 atualizado por: 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:
- Can the DeepBMD tool correctly identify people who have osteoporosis compared to the standard bone density test, dual-energy X-ray absorptiometry (DXA)?
- 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:
- Have their existing chest or abdomen CT scan analyzed by the DeepBMD AI tool;
- Receive a phone call from the research team if identified as high risk;
- Visit the clinic for a free standard bone density test (DXA) if they agree to participate.
Visão geral do estudo
Status
Ativo, não recrutando
Condições
Intervenção / Tratamento
Tipo de estudo
Observacional
Inscrição (Estimado)
100
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.
Locais de estudo
-
-
Hubei
-
Wuhan, Hubei, China, 430022
- Union Hospital, Tongji Medical College, Huazhong University of Science and Technology
-
-
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
Não
Método de amostragem
Amostra Não Probabilística
População do estudo
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.
Descrição
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.
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 |
|---|---|
|
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.
|
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.
|
O que o estudo está medindo?
Medidas de resultados primários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Diagnostic performance of DeepBMD model for osteoporosis screening
Prazo: 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).
|
Medidas de resultados secundários
Medida de resultado |
Descrição da medida |
Prazo |
|---|---|---|
|
Feasibility of the DeepBMD screening and recall workflow
Prazo: 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
|
Colaboradores e Investigadores
É aqui que você encontrará pessoas e organizações envolvidas com este estudo.
Investigadores
- Investigador principal: Fan Yang, PhD, MD, Union Hospital, Tongji Medical College, Huazhong University of Science and Technology
Publicações e links úteis
A pessoa responsável por inserir informações sobre o estudo fornece voluntariamente essas publicações. Estes podem ser sobre qualquer coisa relacionada ao estudo.
Publicações Gerais
- Jang S, Graffy PM, Ziemlewicz TJ, Lee SJ, Summers RM, Pickhardt PJ. Opportunistic Osteoporosis Screening at Routine Abdominal and Thoracic CT: Normative L1 Trabecular Attenuation Values in More than 20 000 Adults. Radiology. 2019 May;291(2):360-367. doi: 10.1148/radiol.2019181648. Epub 2019 Mar 26.
- Wang P, She W, Mao Z, Zhou X, Li Y, Niu J, Jiang M, Huang G. Use of routine computed tomography scans for detecting osteoporosis in thoracolumbar vertebral bodies. Skeletal Radiol. 2021 Feb;50(2):371-379. doi: 10.1007/s00256-020-03573-y. Epub 2020 Aug 7.
- Smith AD. Screening of Bone Density at CT: An Overlooked Opportunity. Radiology. 2019 May;291(2):368-369. doi: 10.1148/radiol.2019190434. Epub 2019 Mar 26. No abstract available.
- Zeng Q, Li N, Wang Q, Feng J, Sun D, Zhang Q, Huang J, Wen Q, Hu R, Wang L, Ma Y, Fu X, Dong S, Cheng X. The Prevalence of Osteoporosis in China, a Nationwide, Multicenter DXA Survey. J Bone Miner Res. 2019 Oct;34(10):1789-1797. doi: 10.1002/jbmr.3757. Epub 2019 Aug 29.
- Cheng X, Zhao K, Zha X, Du X, Li Y, Chen S, Wu Y, Li S, Lu Y, Zhang Y, Xiao X, Li Y, Ma X, Gong X, Chen W, Yang Y, Jiao J, Chen B, Lv Y, Gao J, Hong G, Pan Y, Yan Y, Qi H, Ran L, Zhai J, Wang L, Li K, Fu H, Wu J, Liu S, Blake GM, Pickhardt PJ, Ma Y, Fu X, Dong S, Zeng Q, Guo Z, Hind K, Engelke K, Tian W; China Health Big Data (China Biobank) project investigators. Opportunistic Screening Using Low-Dose CT and the Prevalence of Osteoporosis in China: A Nationwide, Multicenter Study. J Bone Miner Res. 2021 Mar;36(3):427-435. doi: 10.1002/jbmr.4187. Epub 2020 Nov 4.
- Lin X, Xiong D, Peng YQ, Sheng ZF, Wu XY, Wu XP, Wu F, Yuan LQ, Liao EY. Epidemiology and management of osteoporosis in the People's Republic of China: current perspectives. Clin Interv Aging. 2015 Jun 25;10:1017-33. doi: 10.2147/CIA.S54613. eCollection 2015.
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)
28 de julho de 2026
Conclusão Primária (Real)
28 de agosto de 2026
Conclusão do estudo (Estimado)
1 de setembro de 2026
Datas de inscrição no estudo
Enviado pela primeira vez
22 de julho de 2026
Enviado pela primeira vez que atendeu aos critérios de CQ
27 de julho de 2026
Primeira postagem (Real)
31 de julho de 2026
Atualizações de registro de estudo
Última Atualização Postada (Real)
3 de setembro de 2026
Última atualização enviada que atendeu aos critérios de controle de qualidade
1 de setembro de 2026
Última verificação
1 de setembro de 2026
Mais Informações
Termos relacionados a este estudo
Palavras-chave
Termos MeSH relevantes adicionais
Outros números de identificação do estudo
- UHCT260668
Plano para dados de participantes individuais (IPD)
Planeja compartilhar dados de participantes individuais (IPD)?
SIM
Descrição do plano 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.
Prazo de Compartilhamento de IPD
Data will be available beginning 3 months following article publication and ending 36 months following article publication.
Critérios de acesso de compartilhamento 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.
Tipo de informação de suporte de compartilhamento de IPD
- PROTOCOLO DE ESTUDO
- SEIVA
- ANALYTIC_CODE
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 .