Akut Myokardieinfarkt Klinisk Kohorte

Baggrund:

På trods af fremskridt inden for kardiovaskulær medicin forbliver akut myokardieinfarkt (AMI) en førende årsag til sygelighed og dødelighed. Nuværende risikostratificeringsmodeller og terapeutiske strategier mangler ofte populationsspecifik præcision, især for den kinesiske demografi. Desuden kræver specifikke højrisikoundergrupper – såsom dem med sårbare plader, MINOCA og grænselæsioner i koronararterierne – dybere undersøgelse for at forstå deres unikke patofysiologiske mekanismer. Dette projekt etablerer en Translationsforskningskohorte (TRC) for at overbygge kløften mellem grundlæggende multi-omik-forskning, klinisk billeddannelse og innovation inden for medicinsk udstyr.

Studiedesign og population:

Dette er et prospektivt, multicentrisk, observationsstudie ledet af Zhongshan Hospital, Fudan University, i samarbejde med tre andre store tertiære hospitaler i Shanghai. Studiet vil rekruttere 2.000 patienter diagnosticeret med koronar hjertesygdom (CHD) og AMI.

Dataindsamling og biobanking:

For alle inkluderede deltagere vil studiet opbygge en holografisk database, der omfatter struktureret elektronisk patientjournal (EMR), baseline-demografi, laboratorieprøver, multimodal billeddannelse (EKG, ekkokardiografi, koronarangiografi) og opfølgende data. Perifere blodprøver (plasma, serum og PBMC'er) vil blive systematisk indsamlet fra 1.200 patienter, behandlet under strenge standard procedurer (SOP'er) og opbevaret i en centraliseret, automatiseret biobank.

Multi-omik- og højrisikoundergruppeanalyse:

En målrettet underkohorte på 200 patienter, der repræsenterer forskellige kliniske fenotyper (ca. 70 med sårbare plader, 60 med MINOCA og 70 med grænselæsioner), vil gennemgå omfattende multi-omik-profiling. Dette inkluderer:

1. Genomik: Helt-genom-sekventering (WGS) til at identificere genetiske varianter forbundet med lipidstofskifte og AMI-modtagelighed.
2. Transkriptomik: RNA-seq til kortlægning af genudtryksprofiler for immunceller.
3. Enkeltcelle RNA-seq (scRNA-seq): Udført på 80 højrisikopatienter for at analysere heterogeniteten af perifere immunceller og inflammatoriske responser.
4. Proteomik: Olink multiplex-test til kvantificering af over 1.000 cirkulerende proteiner for at identificere tidlige advarselsbiomarkører for pladeruptur og myokardieskade.

Avanceret billeddannelsesradiomik og AI-integration:

Studiet integrerer avanceret kardiovaskulær billeddannelsesanalyse, herunder ikke-invasiv CCTA-radiomik, optisk koherenstomografi (OCT), intravaskulær ultralyd (IVUS), kvantitativ flowratio (QFR) og ny intracoronar fluorescensbilleddannelse. Ved at anvende kunstig intelligens (AI) og maskinlæringsalgoritmer vil studiet ekstrahere multidimensionelle billeddannelses- og funktionelle egenskaber for at vurdere pladesårbarhed, vaskulær hemodynamik og stentheling.

Studiemål:

1. At opbygge en standardiseret, multidimensionel klinisk og multi-omik-database for kinesiske AMI-patienter.
2. At identificere og validere nye cirkulerende biomarkører og terapeutiske mål for AMI og dets komplikationer.
3. At udvikle og validere AI-drevne, multimodale diagnostiske modeller til præcis risikostratificering og prædiktion af større uønskede kardiovaskulære hændelser (MACE).
4. At levere robuste kliniske beviser og højkvalitetsdata for at fremskynde oversættelsen af innovativt kardiovaskulært medicinsk udstyr og personliggjorte terapier.