GenoMed4ALL: Zlepšení klasifikace a prognózy SCD pomocí AI (GenoMed4ALL)

SCD je chronická život ohrožující multisystémová porucha, autozomálně recesivně dědičná, způsobená přítomností abnormálního hemoglobinu S (HbS) v důsledku srpkovité mutace v genu HBB. Navzdory tomu, že se jedná o poruchu mutace jednoho genu, SCD představuje extrémní fenotypovou variabilitu, která není zcela pochopena. Předpokládá se, že několik genetických a environmentálních faktorů má vliv na fenotyp onemocnění, klinické projevy, progresi poškození orgánů a kvalitu života v průběhu života.

Ačkoli byl v posledních několika desetiletích učiněn významný pokrok ve vysoce komplexní patofyziologii SCD, možnost personalizované medicíny je stále v plenkách. Chybí markery závažnosti onemocnění, prognózy a odpovědi na léčbu. Zejména heterogenita klinického projevu onemocnění spolu s dlouhodobými chronickými komplikacemi v důsledku prodloužené délky života pacientů by měla být řešena inovativní a personalizovanou léčbou. Kromě toho je nutné vyhodnotit úlohu nových léčebných postupů jak s ohledem na dlouhodobou účinnost a bezpečnost, ale také na poměr cena/účinnost. Nedostatek a fragmentace dat SCD brání výzkumníkům v dosažení kritických čísel potřebných pro základní a klinický výzkum. Výzkum a řešení založená na datech jsou proto zásadní pro zlepšení péče o pacienty s SCD a kvality jejich života.

Dostupnost četných léčebných možností a také vysoká heterogenita onemocnění zdůrazňují potřebu zaměřit se na profily závažnosti pacientů a nabídnout každému postiženému jednotlivci tu nejlepší péči. Vývoj algoritmů GENOMED4ALL AI pro SCD bude mít velký význam pro hloubkovou charakterizaci a predikci různých komplikací SCD. Mezi hlavní cílové body zájmu patří:

• Zlepšení klasifikace SCD
• Vytvořte skóre pravděpodobnosti pro předpovídání různých vzorů rozpoznávaných umělou inteligencí (AI) na základě analýzy zobrazování magnetickou rezonancí mozku (Radiomics)
• Vyvinout prediktivní skóre rizika pro výskyt nejčastějších a nejzávažnějších klinických výsledků
• Vyvinout prediktivní skóre rizika v průběhu času pro výskyt nejrozšířenějších a nejzávažnějších klinických výsledků.

RADeep bude použit pro standardizaci stávajících klinických a laboratorních dat. Byl vyvinut CRF, který obsahuje něco málo přes 250 datových prvků. GenoMed4All CRF staví na předchozí práci provedené RADeep a zahrnuje „soubor společných datových prvků pro registraci vzácných onemocnění“, který byl zveřejněn v prosinci 2017 jako výsledek specializované pracovní skupiny podporované Společným výzkumným střediskem (JRC). Tento přístup zajistí interoperabilitu s jinými podobnými iniciativami v Evropě a rovněž umožní opětovné použití shromážděných dat pro budoucí výzkumné studie.

Genomové asociační studie (GWAS) rozšiřují koncept asociačních studií o současné testování stovek tisíc jednonukleotidových polymorfismů (SNP) a poskytují nákladově efektivní způsob, jak zkoumat genetické varianty napříč celým genomem. Ale navzdory značnému zájmu o identifikaci genetických modifikátorů v SCD, většina předchozích GWAS hledala genetickou vazbu a asociaci s hladinami HbF, což je zavedený zmírňující faktor závažnosti onemocnění. Kromě toho bylo ve výzkumu SCD omezeno využití datové vědy a umělé inteligence (AI). Proto generování dat GWAS v kombinaci s použitím nejnovějšího imputačního panelu pro imputaci nabízí příležitost pro vývoj nových technik AI a pro nové objevy v SCD.

Tiché mozkové infarkty (SCI) jsou významnou příčinou morbidity u SCD: postihují 25 % dětí do 6 let a 40 % do 18 let s důsledky na kognici, školní docházku, pracovní kapacitu a kvalitu života. Jedním z cílů klinického případu SCD v GENOMED4ALL je tedy použití radiomiky – kvantitativní metody pro hodnocení a interpretaci lékařských snímků – a AI za prvé k vyvinutí automatické a jednotné identifikace a charakterizace SCI na MRI, za druhé k korelovat zobrazovací data s jinými typy dat OMICS, aby bylo možné předvídat riziko výskytu a opakování.

Deformovatelnost červených krvinek (RBC) od jedinců s SCD je výrazně abnormální, bez ohledu na genotyp. Několik studií uvádí určité souvislosti mezi stupněm poškození deformability červených krvinek měřeným v ustáleném stavu u pacientů s SCD a přítomností chronických komplikací, jako je priapismus, bércové vředy, glomerulopatie atd. Nedávno vyvinutá technika ektacytometrie s gradientem kyslíku umožňuje komplexnější funkční charakterizaci a reologické chování SCD RBC v rozsahu napětí kyslíku, aby se otestovalo, zda reologické změny mohou odrážet klinickou závažnost/komplikace. Údaje o reologických charakteristikách RBC u všech pacientů v Ustálený stav se získá pomocí laserového optického rotačního analyzátoru červených krvinek (Lorrca) ektacytometru (RR Mechatronics).

Kombinací velkého množství standardizovaných multimodálních (klinických, multiomických a zobrazovacích) datových souborů vědci předpokládají, že umělá inteligence umožní lépe porozumět biologii a klasifikaci SCD, zvýší prognostickou/prediktivní kapacitu aktuálně dostupných nástrojů a aplikuje léčbu cílenějším způsobem. a usnadnit tak implementaci programu personalizované medicíny v celé EU.