NCT07820423Toboroz
Multimodal AI Predicts High-risk Pathology in Lung Cancer Associated With Cystic Airspaces
Interpretable Multimodal Artificial Intelligence Predicts High-risk Pathology in Lung Cancer Associated With Cystic Airspaces
Forrás: ClinicalTrials.gov · Utoljára frissítve: 2026. szept. 15.
Rövid összefoglaló (regiszter, angolul)
The goal of this observational study is to develop and validate an artificial intelligence (AI)-based multimodal radiomics model that integrates preoperative CT imaging features and clinical data to predict pathological high-risk features in patients with lung cancer associated with cystic airspaces (LCCA). The main questions it aims to answer are: Can an AI-based multimodal radiomics model accurately predict pathological high-risk features in LCCA before surgery? Does the integration of CT imaging features and clinical variables improve preoperative risk stratification compared with imaging or clinical information alone?
- Állapot (regiszter)
- Toboroz
- Vizsgálattípus
- Megfigyeléses
- Résztvevők száma
- 600 (tervezett)
- Első benyújtás
- 2026. szept. 3.
- Kezdés
- 2025. máj. 1.
- Elsődleges befejezés
- 2026. dec. 30.
- Fő szponzor
- Central South University
- Betegségek
- Tüdőrák
- NCT-szám
- NCT07820423
Mit vállalsz
- Vizsgálat típusa: Megfigyeléses
- Tervezett résztvevők: 600
- 2025. máj. 1. és az elsődleges befejezés (2026. dec. 30.) között
- 1 helyszín, 1 országban
- Vizitek és vizsgálatok: kérdezd a vizsgálat csapatát, a regiszter nem sorolja fel őket
A(z) ClinicalTrials.gov regisztermezőiből összeállítva. A vizsgálat felépítését írja le.
Ki nem vehet részt
Szó szerint a(z) ClinicalTrials.gov forrásból, témák szerint csoportosítva. Hogy ki vehet részt, azt csak a vizsgálat csapata dönti el.
Korábbi kezelés
- 1. Patients with a history of pulmonary diseases that may cause cystic lung lesions, such as pulmonary tuberculosis, pulmonary fungal infection, lymphangioleiomyomatosis (LAM), or Birt-Hogg-Dubé (BHD) syndrome. Emphysema will not be considered an exclusion criterion; however, patients with severe emphysema will be excluded if it significantly affects the identification, boundary delineation, or imaging feature assessment of the target lesion.
- Patients who received systemic antitumor therapy before enrollment, including chemotherapy, radiotherapy, targeted therapy, or immunotherapy.
- Patients with other primary malignancies. 4. Patients with missing preoperative chest CT images or CT images of insufficient quality for analysis.
- Patients without a definite pathological diagnosis or with incomplete pathological results.
- Patients with missing clinical data.
Kiket keres a vizsgálat
- 1. Patients with non-small cell lung cancer (NSCLC) confirmed by biopsy or postoperative pathological examination.
- Patients who underwent surgical resection of a pulmonary tumor, including lobectomy, segmentectomy, or wedge resection.
- Patients with complete preoperative chest CT imaging data. 4. Patients whose preoperative chest CT showed a well-defined air-containing cystic component within the tumor, consistent with the radiological features of lung cancer associated with cystic airspaces (LCCA).
- Patients with available clinical and pathological data required for analysis.
Életkor a regiszterben: 18 év – - · Nem: nők és férfiak · Egészséges önkénteseket nem fogad
Helyszínek (1)
Helyszínek a regiszter sorrendjében. Ha a profilodba mented a városodat, távolság szerint rendeződnek.
| Helyszín | Város | Ország | Helyszín állapota |
|---|---|---|---|
| The Second Xiangya Hospital of Central South University | Changsha | Kína | Toboroz |
Ez az oldal tájékoztatás, nem orvosi tanács. Bármely vizsgálatról az orvosoddal beszélj.