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

Large-scale Models of Esophageal Cancer and Related Research (DeepDT)

25 августа 2026 г. обновлено: The First Affiliated Hospital of Henan University of Science and Technology

Clinical Application Research of AI-Based Large Models for Early Screening, Diagnosis, Treatment, and Prognosis Assessment of Esophageal Cancer

The goal of this observational study is to learn about the clinical utility of an artificial intelligence (AI) large language model in patients undergoing screening, diagnosis, treatment, and prognosis assessment for esophageal cancer. The main question it aims to answer is:

Does the AI model improve early detection rate, diagnostic accuracy, treatment personalization, and prognostic prediction for esophageal cancer compared to standard care? Participants already receiving routine esophageal cancer management (including endoscopy, imaging, pathology, and clinical follow-up) as part of their regular medical care will have their de-identified data processed by the AI model; researchers will compare model-based recommendations and outcomes with standard care benchmarks over 3 years.

Last updated on Oct 31, 2027

Обзор исследования

Статус

Запись по приглашению

Условия

Вмешательство/лечение

Тип исследования

Наблюдательный

Регистрация (Оцененный)

12000

Контакты и местонахождение

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

Места учебы

  • Китай
    • Henan
      • Anyang, Henan, Китай, 455000
        • Anyang Tumor Hospital
      • Luoyang, Henan, Китай, 471000
        • The First Affiliated Hospital of Henan University of Science & Technology
      • Nanyang, Henan, Китай, 473000
        • Nanyang Central Hospital Medical Ethics Committee

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

  • Взрослый
  • Пожилой взрослый

Принимает здоровых добровольцев

Нет

Метод выборки

Невероятностная выборка

Исследуемая популяция

The study population comprises patients receiving routine esophageal cancer management at participating healthcare institutions, including those undergoing screening (e.g., endoscopy), diagnosis (imaging, pathology), treatment (endoscopic resection, surgery, chemotherapy, radiotherapy), and prognostic follow-up. Inclusion criteria: age ≥18 years, suspected or confirmed esophageal cancer, and available complete clinical data (endoscopy, imaging, pathology, and follow-up records). Exclusion criteria: incomplete data or refusal to use medical records. The population spans early to advanced stages to evaluate the AI model across the full disease spectrum.

Описание

Inclusion Criteria:

  • 1. Aged 18 years or older. 2. Individuals with normal findings or inflammatory changes: endoscopic or pathological reports indicating "no significant abnormalities detected" or changes consistent with inflammation.

    3. Individuals with benign lesions: pathological reports specifying "absence of tumor cells" or a diagnosis consistent with benign lesions.

    4. Individuals with precancerous lesions: pathological reports with a definitive diagnosis of Low-grade Intraepithelial Neoplasia (LGIN) or High-grade Intraepithelial Neoplasia (HGIN).

    5. Individuals with malignant tumors: pathological reports confirming a diagnosis of esophageal squamous cell carcinoma or esophageal adenocarcinoma.

Exclusion Criteria:

  • 1. Diagnostically uncertain: Lack of definitive pathological evidence, or with doubtful clinical diagnosis.

    2. Poor data quality: Low-quality key imaging data (endoscopy, CT) that is unsuitable for analysis (e.g., severe artifacts, missing images).

    3. Severe missingness of key clinical or follow-up data (missing rate > 20%). 4. Confounding by other malignancies: Presence of other active malignant tumors other than esophageal cancer within 5 years prior to enrollment.

    5. Loss to follow-up: Failure to obtain key survival or recurrence follow-up information in the retrospective cohort.

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

Когорты и вмешательства

Группа / когорта
Вмешательство/лечение
Single cohort
Patients receiving routine esophageal cancer management (including endoscopy, imaging, pathology, and clinical follow-up) as part of their regular medical care. De-identified data from these participants will be processed by an AI large language model, and model-based recommendations will be compared with standard care benchmarks over 3 years.
Другой: Observational study; no assigned intervention. Participants receive routine esophageal cancer management (endoscopy, imaging, pathology, clinical follow-up) as standard care.
Routine esophageal cancer management including endoscopy, imaging, pathology, and clinical follow-up as per standard clinical practice. No additional, experimental, or assigned intervention is administered. The AI large language model processes de-identified data from routine care for comparative analysis against standard care benchmarks over 3 years.

Что измеряет исследование?

Первичные показатели результатов

Мера результата
Мера Описание
Временное ограничение
Area under the ROC curve (AUC) of the multimodal model for diagnosing esophageal cancer, calculated by ROC analysis using pathological biopsy as the gold standard, based on 5-fold cross-validation on the internal validation set.
Временное ограничение: 1 year and 5 months
The AUC ranges from 0.5 to 1.0, with higher values indicating better diagnostic performance.
1 year and 5 months
Overall accuracy (proportion of correct classifications) of the multimodal model for diagnosing esophageal cancer, derived from the confusion matrix of the model's predictions on the internal validation set, with pathological biopsy as the gold standard.
Временное ограничение: Up to 3 years
The accuracy ranges from 0% to 100%, with higher percentages indicating better classification performance.
Up to 3 years
Concordance index (C-index) of the multimodal model for predicting overall survival and progression-free survival, derived from Cox proportional hazards model on time-to-event data.
Временное ограничение: Up to 3 years
The C-index ranges from 0.5 to 1.0, where 0.5 indicates random chance and 1.0 indicates perfect prediction; higher values indicate better predictive discrimination.
Up to 3 years

Соавторы и исследователи

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

Спонсор

The First Affiliated Hospital of Henan University of Science and Technology

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 (Действительный)

15 мая 2026 г.

Первичное завершение (Оцененный)

31 октября 2027 г.

Завершение исследования (Оцененный)

31 октября 2027 г.

Даты регистрации исследования

Первый отправленный

1 июня 2026 г.

Впервые представлено, что соответствует критериям контроля качества

7 июня 2026 г.

Первый опубликованный (Действительный)

11 июня 2026 г.

Обновления учебных записей

Последнее опубликованное обновление (Действительный)

27 августа 2026 г.

Последнее отправленное обновление, отвечающее критериям контроля качества

25 августа 2026 г.

Последняя проверка

1 августа 2026 г.

Дополнительная информация

Термины, связанные с этим исследованием

Дополнительные соответствующие термины MeSH

Другие идентификационные номера исследования

  • 2025-0697

Планирование данных отдельных участников (IPD)

Планируете делиться данными об отдельных участниках (IPD)?

НЕТ

Информация о лекарствах и устройствах, исследовательские документы

Изучает лекарственный продукт, регулируемый FDA США.

Нет

Изучает продукт устройства, регулируемый Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США.

Нет

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. .

Подписаться