Меню
Набор скоро начнётся NCT07600801

LEGACY: Lung Cancer Screening in Individuals With a Lung Cancer Family History-Protocol B

— Наблюдательное Family History of Lung Cancer

Ориентир для пациента и семьи

Простыми словами

Автоматическая сводка по структурированным данным реестра. Она помогает сориентироваться, но не заменяет официальный протокол или оценку врача.

Что изучают
В протоколе указаны: CT scan, Sybil.
Кому может быть актуально
Состояния в реестре: Family History of Lung Cancer. Базовые параметры: от 18 лет · Все.
Что важно проверить
Возраст, диагноз и пол — только базовые ориентиры. Предыдущее лечение, анализы и другие обязательные условия указаны ниже в критериях участия.
Где проводится
США
Следующий шаг
Сохраните исследование, покажите его лечащему врачу и уточните актуальный статус у исследовательского центра. Расходы, документы и поездка →

Не всё понятно в терминах? Прочитайте наш гид для пациентов →

Обзор

This research is being done to determine if an image-based deep learning model (Sybil) can accurately predict the likelihood of future lung cancer based on chest computed tomography (CT) imaging from individuals with a family history of lung cancer.

Подробное описание

This is a non-therapeutic study that will enroll individuals who have a family history of lung cancer. During the study, participants will provide questionnaire responses regarding their personal medical history, family lung cancer history, and exposures along with contributing images from at least one previously obtained CT chest scan. The images and data collected will be analyzed by an image-based deep learning model (Sybil). Sybil is a type of artificial intelligence model that has been shown to accurately predict individuals' future risk of lung cancer based solely on images from a CT Chest scan, but it is unknown if it works well in people with a family history of lung cancer. It is expected that 2,250 will take part in this research study.

Вмешательства

  • Диагностический тест CT scan
    Previously obtained computed tomography scan
  • Другое Sybil
    Image-based deep learning model

Первичные конечные точки

  • Sybil's performance in predicting future lung cancer diagnoses [Срок оценки: From date of receival of retrospective CT scan for up to 2 years.]
Вторичные конечные точки (3)
  • Distribution of Sybil lung cancer risk scores compared to participants in the NLST clinical trial [Срок оценки: From receival of retrospective CT scan for up to 2 years.]
  • Incidence and prevalence of lung cancer in the study population [Срок оценки: From receival of retrospective CT scan for up to 2 years.]
  • Incidence, prevalence, and characteristics of lung nodules in this population [Срок оценки: From receival of retrospective CT scan for up to 2 years.]

Критерии участия

Критерии включения

  • ≥18 years of age
  • Positive family history of lung cancer (defined as):
  • Has ≥1 first-degree relative OR
  • Has ≥2 second-degree relatives with a diagnosis of non-small cell lung cancer or small cell lung cancer (NB: a first-degree relative = parent, sibling, or child, a second-degree relative = grandparent, blood-related aunt or uncle, grandchild, blood-related niece or nephew, half-sibling)
  • Willing to provide images from at least one previously obtained CT Chest scan, if available.

Критерии исключения

\- None

Критерии приведены из реестра в оригинале (на английском). Окончательную оценку соответствия проводит исследовательский центр.

Дизайн исследования

Модель наблюдения
Когортное

Центры проведения

США · 1 центр
  • Massachusetts General Hospital — Boston

Идентификаторы

NCT: NCT07600801 · 26-054

Первоисточники (государственные реестры)

Открыть это исследование на ClinicalTrials.gov ↗