Меню
Идёт набор NCT07626736

Evaluating the Efficacy and Safety of AI Localization Models in Multidisciplinary Team Care for NSCLC

Без фазы С лечением Nonsmall Cell 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: Treat Regimen.
Кому может быть актуально
Состояния в реестре: Nonsmall Cell 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
Китай
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 →

Официальное название

Evaluating the Efficacy and Safety of AI Localization Models in Multidisciplinary Team Care for NSCLC: a Prospective, Controlled Clinical Trial Protocol

Обзор

The goal of this clinical trial is to evaluate the effectiveness and safety of a locally deployed artificial intelligence (AI) decision-support model in the multidisciplinary team (MDT) process for patients with non-small cell lung cancer (NSCLC). The main questions it aims to answer : What is the level of agreement between treatment recommendations generated by the AI model and those made by a traditional MDT? How often do clinicians modify their final treatment decision after reviewing the AI model's recommendation? Researchers will compare treatment plans from the traditional MDT (Arm 1), the AI model (Arm 2), and the clinician's final decision after reviewing the AI output (Arm 3) to assess consistency, decision modification rates, and clinical efficiency. Participants will: Have their clinical, imaging, and molecular data submitted to both the traditional MDT and the AI model for independent treatment recommendations Receive a final treatment plan determined by clinicians after reviewing both recommendations, with follow-up for safety and survival outcomes

Вмешательства

  • Диагностический тест Treat Regimen
    The impact of artificial intelligence on clinicians' treatment plans

Первичные конечные точки

  • Consistency rate [Срок оценки: Baseline(MDT 1 Day)]
Вторичные конечные точки (12)
  • MDT Discussion Process Time [Срок оценки: Baseline(MDT Day 1)]
  • Quality of AI Recommendations [Срок оценки: Baseline(MDT Day 1)]
  • Clinical Acceptability of AI [Срок оценки: Baseline(MDT Day 1)]
  • MDT Discussion Efficiency [Срок оценки: Baseline(MDT Day 1)]
  • Process Convenience [Срок оценки: Baseline(MDT Day 1)]
  • Added Value to Clinical Decision [Срок оценки: Baseline(MDT Day 1)]
  • Learning and Training Value [Срок оценки: Baseline(MDT Day 1)]
  • Overall Satisfaction [Срок оценки: Baseline(MDT Day 1)]
  • Willingness to Use in Future [Срок оценки: Baseline(MDT Day 1)]
  • Disease-Free Survival (DFS) [Срок оценки: 3 years]
  • Progression-Free Survival (PFS) [Срок оценки: 3 years]
  • Overall Survival (OS) [Срок оценки: 3 years]

Критерии участия

Критерии включения

  • Age ≥ 18 years;
  • MDT (Multidisciplinary Team) discussion deems a systemic treatment plan necessary;
  • Complete clinical, imaging, and molecular pathological data.

Критерии исключения

  • Stage I patients;
  • Diagnosed with a thoracic tumor other than NSCLC;
  • Lack of detailed medical data, or missing data;

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

Здоровые добровольцы: Нет

Дизайн исследования

Распределение
Не применимо
Модель
Одна группа
Маскирование
Открытое
Основная цель
Лечение

Центры проведения

Китай · 1 центр
  • Guangdong Provincial People's Hospital — Гуанчжоу

Публикации

  • Pillay B, Wootten AC, Crowe H, Corcoran N, Tran B, Bowden P, Crowe J, Costello AJ. The impact of multidisciplinary team meetings on patient assessment, management and outcomes in oncology settings: A systematic review of the literature. Cancer Treat Rev. 2016 Jan;42:56-72. doi: 10.1016/j.ctrv.2015.11.007. Epub 2015 Nov 24. PMID 26643552
  • Kim JK, Chua ME, Li TG, Rickard M, Lorenzo AJ. Novel AI applications in systematic review: GPT-4 assisted data extraction, analysis, review of bias. BMJ Evid Based Med. 2025 Sep 22;30(5):313-322. doi: 10.1136/bmjebm-2024-113066. PMID 40199559
  • Wiegand TLT, Jung LB, Gudera JA, Schuhmacher LS, Moehrle P, Rischewski JF, Mehrzad P, Jeong S, Nguyen LH, Poeschla M, Velezmoro LI, Kruk L, Dimitriadis K, Koerte IK. Demographic inaccuracies and biases in the depiction of patients by artificial intelligence text-to-image generators. NPJ Digit Med. 2025 Jul 19;8(1):459. doi: 10.1038/s41746-025-01817-6. PMID 40683994

Идентификаторы

NCT: NCT07626736 · KY2025-1003-02

Первоисточники (государственные реестры)

Открыть это исследование на ClinicalTrials.gov ↗