Intégration de l'intelligence artificielle dans le dépistage du cancer du poumon
Étude randomisée contrôlée évaluant l'apport d'une analyse par apprentissage profond de la tomodensitométrie thoracique comme aide à la décision lors des réunions de concertation pluridisciplinaire pour le dépistage du cancer du poumon chez des patients éligibles
Promoteur : Centre Hospitalier Universitaire de Nice
Titre et résumé traduits de l’anglais par le portail, à partir de la fiche publiée par le registre source, le 13 septembre 2026. Traduction automatique, sans relecture médicale : elle ne modifie ni n’interprète le contenu ; en cas de doute, le texte original fait foi.
Texte original (anglais)
Integrating Artificial Intelligence Into Lung Cancer Screening.
A Randomized Controlled Study of Including a Deep Learning-based Analysis of Chest Computed Tomography as an Aid to Decision Making of Multidisciplinary Team Meetings for Lung Cancer Screening in Eligible Patients
Lung cancer (LC) screening using low-dose chest CT (LDCT) has already proven its efficacy. The mortality reduction associated with LC screening is around 20%, much higher than the reduction in mortality associated with screening for breast, colon or prostate cancers. Implementing lung cancer screening on a large scale faces two main obstacles: 1. The lack of thoracic radiologists and LDCT necessary for the eligible population (between 1.6 and 2.2 million people in France); 2. The high frequency of false positive screenings: in the NLST trial, more than 20% of the subjects screened were found to have at least one nodule of an indeterminate lung nodule (ILN) whereas less than 3% of ILNs are actually LC. The gold standard for determining on the benign or malignant nature of a nodule is definitive histology. Otherwise, the evolution of the nodule on serial thoracic imaging is a good alternative. The period of indeterminacy of a nodule can be as long as 24 months in many cases, which can be a source of prolonged and sometimes unjustified anxiety for screening candidates. The purpose of this randomized controlled study that focuses on LC screening in patients aged 50 to 80 years, who smoked more than 20 packs/ year or stopped smoking less than 15 years ago. Its objective is to determine whether assisting multidisciplinary team (MDT) meetings with an AI-based analysis of screening LDCT accelerates the definitive classification of nodules into malignant or benign.
Le dépistage du cancer du poumon (CP) par tomodensitométrie thoracique à faible dose (TDMFD) a déjà démontré son efficacité. La réduction de la mortalité associée au dépistage du CP est d'environ 20 %, un taux bien supérieur à celui associé au dépistage des cancers du sein, du côlon ou de la prostate. La mise en œuvre à grande échelle du dépistage du cancer du poumon se heurte à deux obstacles principaux : 1. le manque de radiologues thoraciques et de TDMFD nécessaires pour la population éligible (entre 1,6 et 2,2 millions de personnes en France) ; 2. la fréquence élevée des dépistages faussement positifs : dans l'essai NLST, plus de 20 % des sujets dépistés présentaient au moins un nodule pulmonaire indéterminé (NPI), alors que moins de 3 % des NPI correspondent réellement à un CP. La référence pour déterminer la nature bénigne ou maligne d'un nodule est l'histologie définitive. À défaut, l'évolution du nodule sur des imageries thoraciques répétées constitue une bonne alternative. La période d'indétermination d'un nodule peut atteindre 24 mois dans de nombreux cas, ce qui peut être source d'une anxiété prolongée et parfois injustifiée pour les candidats au dépistage. Cette étude randomisée contrôlée porte sur le dépistage du CP chez des patients âgés de 50 à 80 ans, ayant fumé plus de 20 paquets-années ou ayant arrêté de fumer depuis moins de 15 ans. Son objectif est de déterminer si le fait d'assister les réunions de concertation pluridisciplinaire (RCP) d'une analyse par IA des TDMFD de dépistage accélère la classification définitive des nodules en malins ou bénins.
Vous quittez essai-clinique.com pour le site externe clinicaltrials.gov, géré par l’organisme responsable de l’annonce. La candidature, les questions d’éligibilité et toute information médicale se traitent uniquement là-bas.
Important
essai-clinique.com ne recueille pas de candidature et ne détermine pas votre éligibilité. Ne transmettez aucune information médicale au site.
Les critères affichés sont une synthèse des informations disponibles. Seul l’organisme responsable de l’étude peut confirmer l’éligibilité d’une personne.