Эта страница была переведена автоматически, точность перевода не гарантируется. Пожалуйста, обратитесь к английской версии для исходного текста.

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

30 июля 2026 г. обновлено: 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.

Обзор исследования

Статус

Еще не набирают

Условия

Опухоль

Тип исследования

Наблюдательный

Регистрация (Оцененный)

100000

Контакты и местонахождение

В этом разделе приведены контактные данные лиц, проводящих исследование, и информация о том, где проводится это исследование.

Контакты исследования

Имя: Lian Yang
Номер телефона: 18986273791
Электронная почта: yanglian@hust.edu.cn

Места учебы

Китай
- Hubei
  - Wuhan, Hubei, Китай, 430000
    - Union Hospital，Tongji Medical College，Huazhong University of Science and Technology
    - Контакт:
      
      Lian Yang
      
      Номер телефона: 18986273791
      
      Электронная почта: yanglian@hust.edu.cn

Критерии участия

Исследователи ищут людей, которые соответствуют определенному описанию, называемому критериям приемлемости. Некоторыми примерами этих критериев являются общее состояние здоровья человека или предшествующее лечение.

Критерии приемлемости

Возраст, подходящий для обучения

Ребенок
Взрослый
Пожилой взрослый

Принимает здоровых добровольцев

Да

Метод выборки

Невероятностная выборка

Исследуемая популяция

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

Описание

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.

Учебный план

В этом разделе представлена подробная информация о плане исследования, в том числе о том, как планируется исследование и что оно измеряет.

Как устроено исследование?

Детали дизайна

Количество групп / когорт

Когорты и вмешательства

Группа / когорта
Positive Group / Malignant Cohort
Negative Control Group I / Benign Cohort
Negative Control Group II / Healthy Cohort

Что измеряет исследование?

Первичные показатели результатов

Мера результата	Мера Описание	Временное ограничение
Accuracy Временное ограничение: 1.5 years	Proportion of correct classifications	1.5 years
Sensitivity Временное ограничение: 1.5years	Proportion of true positive cases	1.5years
Specificity Временное ограничение: 1.5years	Proportion of true negative cases	1.5years

Вторичные показатели результатов

Мера результата	Мера Описание	Временное ограничение
Delta Sensitivity (AI-assisted vs. unassisted) Временное ограничение: 1.5years	Absolute difference in sensitivity between AI-assisted and unassisted human readings	1.5years
Delta Specificity (AI-assisted vs. unassisted) Временное ограничение: 1.5years	Absolute difference in specificity between AI-assisted and unassisted human readings	1.5years
Delta Accuracy (AI-assisted vs. unassisted) Временное ограничение: 1.5years	Absolute difference in accuracy between AI-assisted and unassisted human readings	1.5years

Соавторы и исследователи

Здесь вы найдете людей и организации, участвующие в этом исследовании.

Спонсор

Lian Yang

Даты записи исследования

Эти даты отслеживают ход отправки отчетов об исследованиях и сводных результатов на сайт ClinicalTrials.gov. Записи исследований и сообщаемые результаты проверяются Национальной медицинской библиотекой (NLM), чтобы убедиться, что они соответствуют определенным стандартам контроля качества, прежде чем публиковать их на общедоступном веб-сайте.

Изучение основных дат

Начало исследования (Оцененный)

1 июля 2026 г.

Первичное завершение (Оцененный)

1 июля 2028 г.

Завершение исследования (Оцененный)

1 июля 2028 г.

Даты регистрации исследования

Первый отправленный

5 июня 2026 г.

Впервые представлено, что соответствует критериям контроля качества