Глубокое обучение с использованием рентгеновских лучей для выявления пациентов с высоким риском для скрининга рака легких.
Глубокое обучение с использованием рутинных рентгеновских снимков грудной клетки и данных электронных медицинских карт для выявления пациентов с высоким риском для скрининга рака легких
Цель этого клинического испытания состоит в том, чтобы оценить, будет ли инструмент AI, который предупреждает поставщиков у пациентов с высоким 6-летним риском рака легких на основе их рентгеновских изображений грудной клетки, улучшит скрининг КТ рака легких. Основной вопрос, на который он стремится ответить, - это ли инструмент AI, улучшает участие в CT -вызове, через 6 месяцев после базового амбулаторного посещения
Вмешательство является предупреждением для поставщика для обсуждения скрининга КТ-обращения к раку легких, для пациентов, которые считаются с высоким риском рака легких на основе инструмента CXR-LC AI.
Если есть группа сравнения: исследователи будут сравнивать вмешательство и невмешательства, чтобы определить, увеличивается ли Участие КТ рака легких.
Обзор исследования
Статус
Статус
Условия
Условия
Вмешательство/лечение
Вмешательство/лечение
Тип исследования
Тип исследования
Регистрация (Оцененный)
Регистрация
Фаза
Фаза
- Непригодный
Контакты и местонахождение
Контакты исследования
Контакты исследования
- Имя: Michael T Lu, MD, MPH
- Номер телефона: 617-726-1255
- Электронная почта: mlu@mgh.harvard.edu
Места учебы
-
-
Massachusetts
-
Boston, Massachusetts, Соединенные Штаты, 02114
- Рекрутинг
- Massachusetts General Hospital
-
Контакт:
- Michael T Lu, MD, MPH
- Номер телефона: 617-724-9729
- Электронная почта: mlu@mgh.harvard.edu
-
-
Критерии участия
Критерии приемлемости
Критерии приемлемости
Возраст, подходящий для обучения
- Взрослый
- Пожилой взрослый
Принимает здоровых добровольцев
Описание
Основные критерии включения:
- Запланированная амбулаторная встреча с участвующим провайдером.
- 50–77-летняя, которая в настоящее время или ранее курил, чтобы включить лиц, которые потенциально имеют право на скрининг легких на основе руководящих принципов Medicare.
- Последние (в течение 2 лет) PA рентгенограмма грудной клетки.
Критерии исключения:
• История или признаки/симптомы рака легких. Недавний (в течение 2 лет) грудь Ct. Клиническое показание на КТ грудной клетки за пределами скрининга рака легких.
Учебный план
Как устроено исследование?
Детали дизайна
- Основная цель: Скрининг
- Распределение: Рандомизированный
- Интервенционная модель: Параллельное назначение
- Маскировка: Двойной
Количество рук
Оружие и интервенции
Группа участников / АрмияГруппа участников / Армия |
Вмешательство/лечениеВмешательство/лечение |
|---|---|
|
Экспериментальный: Вмешательство
|
Предупреждение о поставщике для обсуждения скрининга КТ в КТ для пациентов с высоким риском рака легких на основе инструмента CXR-LC AI.
|
|
Без вмешательства: Не вмешательство
|
Что измеряет исследование?
Первичные показатели результатов
Первичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Пропорция заканчивая скрининг рака легких через 6 месяцев после посещения
Временное ограничение: 6 месяцев
|
Чтобы оценить влияние на скрининг CT -скрининга рака легких (определяется как завершение скрининга рака легких) в течение 6 месяцев после базового посещения.
|
6 месяцев
|
Вторичные показатели результатов
Вторичные показатели результатов
Мера результата |
Мера Описание |
Временное ограничение |
|---|---|---|
|
Suspicious lung nodules
Временное ограничение: 6 months
|
Suspicious lung nodules (Lung-RADS 4a or greater, including lung nodules ≥8 mm in diameter) identified on CT or diagnosed lung cancer.
|
6 months
|
Соавторы и исследователи
Спонсор
Спонсор
Соавторы
Соавторы
Публикации и полезные ссылки
Общие публикации
- Lu MT, Raghu VK, Mayrhofer T, Aerts HJWL, Hoffmann U. Deep Learning Using Chest Radiographs to Identify High-Risk Smokers for Lung Cancer Screening Computed Tomography: Development and Validation of a Prediction Model. Ann Intern Med. 2020 Nov 3;173(9):704-713. doi: 10.7326/M20-1868. Epub 2020 Sep 1.
- Lee JH, Lee D, Lu MT, Raghu VK, Park CM, Goo JM, Choi SH, Kim H. Deep Learning to Optimize Candidate Selection for Lung Cancer CT Screening: Advancing the 2021 USPSTF Recommendations. Radiology. 2022 Oct;305(1):209-218. doi: 10.1148/radiol.212877. Epub 2022 Jun 14.
- Raghu VK, Walia AS, Zinzuwadia AN, Goiffon RJ, Shepard JO, Aerts HJWL, Lennes IT, Lu MT. Validation of a Deep Learning-Based Model to Predict Lung Cancer Risk Using Chest Radiographs and Electronic Medical Record Data. JAMA Netw Open. 2022 Dec 1;5(12):e2248793. doi: 10.1001/jamanetworkopen.2022.48793.
Даты записи исследования
Изучение основных дат
Начало исследования (Действительный)
Начало исследования
Первичное завершение (Оцененный)
Первичное завершение
Завершение исследования (Оцененный)
Завершение исследования
Даты регистрации исследования
Первый отправленный
Первый отправленный
Впервые представлено, что соответствует критериям контроля качества
Впервые представлено, что соответствует критериям контроля качества
Первый опубликованный (Действительный)
Первый опубликованный
Обновления учебных записей
Последнее опубликованное обновление (Действительный)
Последнее опубликованное обновление
Последнее отправленное обновление, отвечающее критериям контроля качества
Последнее отправленное обновление, отвечающее критериям контроля качества
Последняя проверка
Последняя проверка
Дополнительная информация
Термины, связанные с этим исследованием
Ключевые слова
Дополнительные соответствующие термины MeSH
Другие идентификационные номера исследования
Другие идентификационные номера исследования
- 2023P002872
- 2025P002902 (Другой идентификатор: Mass General Hospital)
Планирование данных отдельных участников (IPD)
Планируете делиться данными об отдельных участниках (IPD)?
Информация о лекарствах и устройствах, исследовательские документы
Изучает лекарственный продукт, регулируемый FDA США.
Изучает продукт устройства, регулируемый Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США.
продукт, произведенный в США и экспортированный из США.
Эта информация была получена непосредственно с веб-сайта clinicaltrials.gov без каких-либо изменений. Если у вас есть запросы на изменение, удаление или обновление сведений об исследовании, обращайтесь по адресу register@clinicaltrials.gov. Как только изменение будет реализовано на clinicaltrials.gov, оно будет автоматически обновлено и на нашем веб-сайте. .