Denna sida har översatts automatiskt och översättningens korrekthet kan inte garanteras. Vänligen se engelsk version för en källtext.

Bedömning av lesionsdetektering i levern: standard vs låg stråldos med olika efterbehandlingstekniker

3 mars 2026 uppdaterad av: M.D. Anderson Cancer Center
Att jämföra 2 olika bildskapande/bearbetningstekniker under en vanlig CT-skanning för att "se" problem i levern och lära sig vilken metod som ger bättre bildkvalitet. Teknikerna använder ny programvara för artificiell intelligens för att minska bildbruset, vilket hjälper radiologen att utvärdera.

Studieöversikt

Status

Aktiv, inte rekryterande

Betingelser

Intervention / Behandling

Detaljerad beskrivning

Huvudmål:

För att utvärdera om efterbehandlingsprogramvara Adaptive Statistical Iterative Reconstruction (ASIR), ASIR-V, Veo 3.0 (GE-version av Model-based Iterative Reconstruction (MBIR) och Deep Learning Image Reconstruction (DLIR) kan bevara lesionsdetektering i lever och andra mått på bildkvalitet vid reducerade stråldoser för datortomografi (CT).

Sekundära mål:

Bedömning av om efterbehandlingsprogram förbättrar lesionsdetektering i levern och andra mått på bildkvalitet vid standard och reducerade stråldoser.

Bedömning av om DLIR- och GSI DLIR-rekonstruktioner fungerar olika, både när det gäller noggrannhet och bildkvalitetsmått som brusreducering.

Studietyp

Interventionell

Inskrivning (Faktisk)

146

Fas

  • Inte tillämpbar

Kontakter och platser

Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.

Studieorter

  • Förenta staterna
    • Texas
      • Houston, Texas, Förenta staterna, 77030
        • University of Texas MD Anderson Cancer Center

Deltagandekriterier

Forskare letar efter personer som passar en viss beskrivning, så kallade behörighetskriterier. Några exempel på dessa kriterier är en persons allmänna hälsotillstånd eller tidigare behandlingar.

Urvalskriterier

Åldrar som är berättigade till studier

18 år till 90 år (Vuxen, Äldre vuxen)

Tar emot friska volontärer

Nej

Beskrivning

Inklusionskriterier:

  1. Patienten måste vara >/= 18 år och </=90 år
  2. Män och icke-gravida kvinnor
  3. Patologisk beprövad diagnos av kolon eller kolorektalt karcinom
  4. Levermetastaser vid senaste CT-undersökning
  5. Standard of care CT bukundersökning planerad MED IV kontrast

Exklusions kriterier:

  1. Patienter kan inte ge informerat samtycke
  2. Patienter kan inte genomgå CT-undersökning

Studieplan

Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.

Hur är studien utformad?

Designdetaljer

  • Primärt syfte: Diagnostisk
  • Tilldelning: Icke-randomiserad
  • Interventionsmodell: Enskild gruppuppgift
  • Maskning: Enda

Vapen och interventioner

Deltagargrupp / Arm
Intervention / Behandling
Experimentell: Datortomografiskanning - 50 % dosreduktion
Deltagarna genomgår rutinmässig standardbehandling av CT-undersökningar för återuppbyggnad av tjocktarmscancer, och får sedan en ytterligare skanning av levern med 50 % dosreduktion.
Diagnostiskt test: Datortomografiskanning - 50 % dosreduktion
Deltagarna genomgår rutinmässig standardbehandling av CT-undersökningar för återuppbyggnad av tjocktarmscancer, och får sedan en ytterligare skanning av levern med 50 % dosreduktion.
Andra namn:
  • Datortomografi
Experimentell: Datortomografiskanning - 70 % dosreduktion
Deltagarna genomgår rutinmässig standardvård CT-undersökning för återuppbyggnad av tjocktarmscancer, och får sedan en extra scanning av levern med 70 % dosreduktion.
Diagnostiskt test: Datortomografiskanning - 70 % dosreduktion
Deltagarna genomgår rutinmässig standardvård CT-undersökning för återuppbyggnad av tjocktarmscancer, och får sedan en extra scanning av levern med 70 % dosreduktion.
Andra namn:
  • Datortomografi
Experimentell: Deep Learning Image Reconstruction (DLIR)
DLIR är tillgänglig i både enkel (SE) och dubbel/multi energi (DE) CT-skanningslägen. DLIR SECT och DLIR DECT rekonstruktioner har ännu inte jämförts.
Diagnostiskt test: Deep Learning Image Reconstruction (DLIR)
Deltagarna får standard-of-care bildbehandling utan artificiell intelligens programvara och bildteknik.

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Metastasdetektionsnoggrannhet
Tidsram: 1 dag
Primär endpoint är metastasdetekteringsnoggrannhetsstatus för varje patient, där standardvårdsskanningen granskad av ''sanningsläsare'' (oberoende av de blinda radiologerna) fungerar som guldstandarden. Om någon lesion hos en patient diagnostiseras som metastas av "sanningsläsare" eller förblindade läsares konsensus, kommer den patienten att betraktas som sant positiv respektive diagnospositiv. Den förväntade noggrannheten för standard-CT är 95 %, och en lågdos-CT-detektion anses vara icke-sämre om dess noggrannhet är 85 % eller högre.
1 dag

Samarbetspartners och utredare

Det är här du hittar personer och organisationer som är involverade i denna studie.

Sponsor

M.D. Anderson Cancer Center

Utredare

  • Huvudutredare: Corey T. Jensen, MD, M.D. Anderson Cancer Center

Publikationer och användbara länkar

Den som ansvarar för att lägga in information om studien tillhandahåller frivilligt dessa publikationer. Dessa kan handla om allt som har med studien att göra.

Allmänna publikationer

Användbara länkar

Studieavstämningsdatum

Dessa datum spårar framstegen för inlämningar av studieposter och sammanfattande resultat till ClinicalTrials.gov. Studieposter och rapporterade resultat granskas av National Library of Medicine (NLM) för att säkerställa att de uppfyller specifika kvalitetskontrollstandarder innan de publiceras på den offentliga webbplatsen.

Studera stora datum

Studiestart (Faktisk)

9 maj 2017

Primärt slutförande (Beräknad)

30 april 2027

Avslutad studie (Beräknad)

30 april 2027

Studieregistreringsdatum

Först inskickad

9 maj 2017

Först inskickad som uppfyllde QC-kriterierna

11 maj 2017

Första postat (Faktisk)

12 maj 2017

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

5 mars 2026

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

3 mars 2026

Senast verifierad

1 mars 2026

Mer information

Termer relaterade till denna studie

Nyckelord

Ytterligare relevanta MeSH-villkor

Andra studie-ID-nummer

  • 2016-1135
  • NCI-2018-01272 (Annan identifierare: NCI-CTRP Clinical Trials Reporting Registry)

Läkemedels- och apparatinformation, studiedokument

Studerar en amerikansk FDA-reglerad läkemedelsprodukt

Nej

Studerar en amerikansk FDA-reglerad produktprodukt

Nej

produkt tillverkad i och exporterad från U.S.A.

Nej

Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .

Kliniska prövningar på Levermetastaser

Kliniska prövningar på Datortomografiskanning - 50 % dosreduktion

Sök liknande försök

Sponsorer och medarbetare

Medicinska tillstånd

Läkemedelsinterventioner

CROs by country

CROs in Gambia

Betingelser

Sällsynta sjukdomar

Läkemedelsinterventioner

Kosttillskott

Sponsor / medarbetare

Platser

Prenumerera