- ICH GCP
- US-Register für klinische Studien
- Klinische Studie NCT04628962
Raman-Analyse von Speichel als Biomarker von COPD (CORSAI)
Raman-Analyse des Speichels von COPD-Patienten als neuer Biomarker: KI-basierter Point-of-Care für die Überwachung und das Management von Krankheiten
Studienübersicht
Status
Bedingungen
Intervention / Behandlung
Detaillierte Beschreibung
Das Hauptziel des Projekts ist die Entwicklung und Validierung einer neuen Methode auf der Grundlage der Raman-Spektroskopie (RS)-Analyse von Speichel für die optimierte und personalisierte Behandlung von Patienten mit chronisch obstruktiver Lungenerkrankung (COPD). Die Kombination der klinischen Instrumentaldaten mit dem RS-Ansatz wird die Qualität der klinischen Praxis durch eine angemessene Stratifizierung der Patienten erhöhen, d. h. die frühzeitige Identifizierung von COPD-Phänotypen, die konsequente Zuordnung präziser Therapien, die Bewertung des potenziellen Exazerbationsrisikos und die Therapietreue. Durch die Integration von instrumentellen und RS-Maßnahmen mit künstlicher Intelligenz (KI) wird der COPD-Phänotyp der Patienten vorhergesagt, wodurch die Ressourcen des Gesundheitssystems effizient gesteuert werden können. Die Durchführbarkeit der Arbeit wird durch die Verwendung eines empfindlichen, schnellen und miniaturisierten RS bestätigt, der von nicht spezialisiertem Personal und für die Schaffung eines Point-of-Care (POC) auf einer zugänglichen Bioflüssigkeit verwendet wird. Der multidisziplinäre Ansatz in den Bereichen vorklinisches, klinisches und Big-Data-Management wird durch die Zusammenarbeit von Akademie, klinischer Forschung und Industrie erreicht.
Ausgehend vom ungedeckten klinischen Bedarf wird CORSAI eine enge Verbindung zwischen biomedizinischer Forschung, klinischer Forschung und Datenwissenschaft zur Integration von PM in die klinische Praxis und zu ethischen, rechtlichen und sozialen Auswirkungen in den teilnehmenden Ländern und darüber hinaus aufbauen. Das Hauptziel ist die Sammlung von RS-Signalen aus dem Speichel von COPD-Patienten, die mit GERA-Instrumenten nach Schweregraden und Phänotypen charakterisiert wurden, und entsprechenden CTRL- und Asthma-Patienten (AsP). Die Erstellung und Korrelation des Datensatzes wird zur Erfüllung spezifischer Ziele führen: I) Identifizierung der spezifischen COPD, CTRL und AsP RF; II) Überwachung der Therapietreue durch das Medikamentensignal im Speichel; III) Definition von COPD-Phänotypen auf Basis der mit instrumentellen GERA-Daten korrelierten RF; IV) Überwachung der Rehabilitationsverfahren und -effekte; V) Assoziation eines hohen Exazerbationsrisikos für bestimmte COPD-Patienten; VI) Erstellung eines Klassifikationsmodells aus der RS-Datenbank; VII) Anwendung von Hochleistungsrechnen zur Datenanalyse; VIII) Integration des portablen RS als POC. Die Neuheit von CORSAI beruht auf der fortschrittlichen Methodik, die dank tragbarer Instrumente direkt ans Krankenbett gebracht wird. Das minimalinvasive Verfahren der Speichelsammlung und die Geschwindigkeit der Raman-Akquisition stellen relevante Vorteile dar, die eine kontinuierliche Überwachung der Therapietreue der Patienten und die zeitgemäße Diskriminierung von COPD-Phänotypen mit hoher Exazerbationsrate ermöglichen. Die Durchführbarkeit des Projekts steht in direktem Zusammenhang mit der biologischen Probe und der vorgeschlagenen Technologie, die bereits im klinischen Umfeld getestet wurden19: i) Einfache Sammlung und Lagerung von Speichel passt zum klinischen Szenario; ii) minimale Probenvorbereitung und tragbares Gerät ermöglichen die POC-Nutzung durch nicht spezialisiertes Personal mit KI-Entscheidungshilfe aus der Ferne.
PROBENENTNAHME: Die Speichelsammlung von allen ausgewählten Probanden wird gemäß den Anweisungen des Herstellers der Salivette (SARSTEDT) durchgeführt. Um die Schwankungen im Speichelgehalt zu begrenzen, die nicht mit COPD zusammenhängen, wird Speichel von allen Probanden zu einem festgelegten Zeitpunkt nach einer angemessenen Verzögerungszeit von der Nahrungsaufnahme und dem Zähneputzen erhalten. Präanalytische Parameter (d.h. Lagertemperatur und Zeit zwischen Entnahme und Verarbeitung), Ernährungs- und Rauchgewohnheiten werden ordnungsgemäß aufgezeichnet. Kurz gesagt, der Tupfer wird entfernt, in den Mund genommen und 60 Sekunden lang gekaut, um den Speichelfluss anzuregen. Anschließend wird der Tupfer für 2 Minuten bei 1.000 g zentrifugiert, um Zellfragmente und Speisereste zu entfernen. Gesammelte Proben werden bei -80 °C gelagert.
PROBENVERARBEITUNG: Für die Raman-Analyse wird ein Tropfen jeder Probe auf eine Aluminiumfolie gegossen, um die oberflächenverstärkte Raman-Streuung (SERS) zu erreichen.
DATENSAMMLUNG: SERS-Spektren werden unter Verwendung eines Aramis-Raman-Mikroskops (Horiba Jobin-Yvon, Frankreich) erfasst, das mit einer Laserlichtquelle ausgestattet ist, die bei 785 nm mit einer Laserleistung im Bereich von 25–100 % (maximale Leistung 512 mW) arbeitet. Es wird eine Erfassungszeit zwischen 10 und 30 Sekunden verwendet. Das Instrument wird vor jeder Analyse unter Verwendung der Referenzbande von Silizium bei 520,7 cm-1 kalibriert. Raman-Spektren werden von 35 Punkten gesammelt, die einer Linienkarte vom Rand bis zur Mitte des Tropfens folgen. Spektren werden im Bereich zwischen 400 und 1600 cm-1 mit einem 50x-Objektiv (Olympus, Japan) aufgenommen. Die Spektrenauflösung beträgt etwa 1,2 cm-1. Für das Kartendesign und die Aufnahme von Spektren wird das Softwarepaket LabSpec 6 (Horiba Jobin-Yvon, Frankreich) verwendet.
DATENVERARBEITUNG: Alle erfassten Spektren werden mit einer polynomialen Grundlinie vierten Grades angepasst und mit der dedizierten Software LabSpec 6 durch Einheitsvektor normalisiert. Der Beitrag des Substrats wird aus jedem Spektrum entfernt. Die statistische Analyse zur Validierung der Methode wird mit einem multivariaten Analyseansatz durchgeführt. Eine Hauptkomponentenanalyse (PCA) wird durchgeführt, um die Datendimensionen zu reduzieren und wichtige Trends aufzuzeigen. Die ersten 20 resultierenden Hauptkomponenten (PCs) werden in einem Klassifikationsmodell, der linearen Diskriminanzanalyse (LDA), verwendet, um die Daten zu diskriminieren und die Varianz zwischen den ausgewählten Gruppen zu maximieren. Es wird die kleinste Anzahl von PCs ausgewählt, um eine Datenüberanpassung zu verhindern. Leave-One-Out-Kreuzvalidierung und Konfusionsmatrix-Test werden verwendet, um die Empfindlichkeit, Präzision und Genauigkeit der Methode des LDA-Modells zu bewerten. Mann-Whitney wird an PC-Scores durchgeführt, um die statistisch relevanten Unterschiede zwischen den analysierten Gruppen zu überprüfen. Die Korrelations- und Teilkorrelationsanalyse wird unter Verwendung des Spearman-Tests durchgeführt, wobei nur die Koeffizienten mit einem p-Wert kleiner als 0,05 als gültige Korrelation angenommen werden. Die statistische Auswertung erfolgt mit Origin2018 (OriginLab, USA).
DEEP LEARNING: Die Datensätze werden mithilfe von Deep-Learning-Modellen analysiert und verarbeitet, mit dem Ziel, signifikante Muster zu entdecken, die zur Bestätigung und Analyse von Trends und zur Entwicklung von Vorhersagen und Entscheidungshilfen zur COPD-Stratifizierung verwendet werden können. Techniken zur Datenerweiterung und automatischen Hyperparameteroptimierung werden entwickelt, um die Klassifikationsleistung zu verbessern und die Generalisierungsfähigkeit zu verbessern. Um einen Kompromiss zwischen Vorhersagegenauigkeit und Interpretierbarkeit zu erreichen, wird ein auf Class Activation Mapping (CAM) basierender Ansatz angewendet, um die aktiven Variablen in den Spektren zu visualisieren, um diskriminierende Muster zu identifizieren und die informativsten Spektralmerkmale zu extrahieren.
UNIMIB und GERA werden einen Erklärungsmechanismus implementieren, um die aktiven Variablen im gesamten Spektrum zu identifizieren und die internen Merkmalsdarstellungen und die Datentransformationspipeline des CNN-Modells zu interpretieren. UNIMIB und GERA werden die verschiedenen Rechenmodule in eine modulare Rechenpipeline für die patientenbezogene Klassifizierung integrieren.
Studientyp
Einschreibung (Voraussichtlich)
Kontakte und Standorte
Studienkontakt
- Name: Paolo I Banfi, MD
- Telefonnummer: +39 0240308812
- E-Mail: pabanfi@dongnocchi.it
Studieren Sie die Kontaktsicherung
- Name: Marzia Bedoni, PhD
- Telefonnummer: +39 0240308533
- E-Mail: labion@dongnocchi.it
Studienorte
-
-
-
Bad Kissingen, Deutschland, 97688
- Aktiv, nicht rekrutierend
- Geratherm Respiratory GmbH
-
-
-
-
-
Milano, Italien, 20148
- Rekrutierung
- IRCCS Santa Maria Nascente - Fondazione Don Carlo Gnocchi ONLUS
-
Kontakt:
- Marzia Bedoni, PhD
- Telefonnummer: +39 0240308533
- E-Mail: labion@dongnocchi.it
-
Kontakt:
- Paolo I Banfi, MD
- Telefonnummer: +39 02 40308812
- E-Mail: pabanfi@dongnocchi.it
-
Unterermittler:
- Marzia Bedoni, PhD
-
Hauptermittler:
- Paolo I Banfi, MD
-
Milano, Italien
- Aktiv, nicht rekrutierend
- University of Milano-Bicocca
-
-
-
-
-
Riga, Lettland, LV1007
- Rekrutierung
- Riga Stradiņš University
-
Kontakt:
- Madara Tirzīte, MD
- Telefonnummer: +37 167409105
- E-Mail: madara.tirzite@rsu.lv
-
-
-
-
-
Barcelona, Spanien, 08036
- Rekrutierung
- Institut d'Investigacions Biomèdiques August Pi i Sunyer
-
Kontakt:
- Nestor Soler, MD
- Telefonnummer: +34 2275549
- E-Mail: nsoler@clinic.cat
-
-
Teilnahmekriterien
Zulassungskriterien
Studienberechtigtes Alter
Akzeptiert gesunde Freiwillige
Studienberechtigte Geschlechter
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- COPD-Patienten werden als postbronchodilatatorisches Verhältnis von FEV1/FEV < 0,7 definiert. Der Schweregrad der Einschränkung des Luftstroms und die Phänotypen werden wie im GOLD-Einstufungssystem beschrieben definiert, einschließlich Grad 2, 3 oder 4.
- Überlappendes Asthma – COPD wird durch das Vorhandensein einer Kombination der folgenden Faktoren festgestellt: Asthma und/oder Atopie in der Anamnese, Reversibilität im Bronchodilatatortest, deutliche Eosinophilie in respiratorischen und/oder peripheren Sekreten, hohes IgE, positiver Pricktest auf Pneumoallergene und hohe Konzentrationen an ausgeatmetem NO
- Als Kontrollen werden geschlechts- und altersangepasste HC und AsP (Asthma bronchiale gemäß The Global Strategy for Asthma Management and Prevention 2018 ab mindestens 6 Monaten) rekrutiert.
Ausschlusskriterien:
- Ausschlusskriterien sind die Kombination mit obstruktiver Schlafapnoe, Krebs, MMSE <24, mindestens 4 Wochen nach der letzten akuten Exazerbation, kardiovaskulären, neurologischen und Nierenerkrankungen, Alter <18
- Bakterielle orale Pilzinfektionen im Gange
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
Kohorten und Interventionen
Gruppe / Kohorte |
Intervention / Behandlung |
---|---|
Asthma-COPD-Überlappung (aCOPD)
50 von Asthma-COPD betroffene Probanden überschnitten sich vergleichbar nach Alter und Geschlecht mit den anderen rekrutierten Probanden.
Die Diagnose der gemischten Phänotypen wird durch das Vorhandensein einer Kombination der folgenden Faktoren gestellt: Asthma und/oder Atopie in der Anamnese, Reversibilität im Bronchodilatatortest, deutliche Eosinophilie in respiratorischen und/oder peripheren Sekreten, hohes IgE, positiver Pricktest auf Pneumoallergene und hohe Konzentrationen an ausgeatmetem NO
|
Speichel wird gesammelt und für die Raman-Analyse verarbeitet.
Die gesammelten Daten werden für die Erstellung des Klassifikationsmodells berechnet
|
Nicht-Exazerbator-COPD (neCOPD)
50 von Non-Exacerbator COPD betroffene Probanden, vergleichbar nach Alter und Geschlecht mit den anderen rekrutierten Probanden
|
Speichel wird gesammelt und für die Raman-Analyse verarbeitet.
Die gesammelten Daten werden für die Erstellung des Klassifikationsmodells berechnet
|
häufiger Excacerbator mit Emphysem COPD (eeCOPD)
50 Probanden, die von häufiger Exazerbation mit COPD-Emphysem betroffen waren, vergleichbar nach Alter und Geschlecht mit den anderen rekrutierten Probanden
|
Speichel wird gesammelt und für die Raman-Analyse verarbeitet.
Die gesammelten Daten werden für die Erstellung des Klassifikationsmodells berechnet
|
häufiger Excacerbator bei chronischer Bronchitis COPD (ebCOPD)
50 Probanden, die von häufiger Exazerbation mit chronischer Bronchitis COPD betroffen waren, vergleichbar nach Alter und Geschlecht mit den anderen rekrutierten Probanden
|
Speichel wird gesammelt und für die Raman-Analyse verarbeitet.
Die gesammelten Daten werden für die Erstellung des Klassifikationsmodells berechnet
|
Asthmapatienten (AST)
200 von Asthma betroffene Probanden nach Alter und Geschlecht vergleichbar mit den anderen rekrutierten Probanden
|
Speichel wird gesammelt und für die Raman-Analyse verarbeitet.
Die gesammelten Daten werden für die Erstellung des Klassifikationsmodells berechnet
|
Gesunde Probanden (CTRL)
200 gesunde Probanden in gutem Gesundheitszustand, vergleichbar nach Alter und Geschlecht mit den anderen rekrutierten Probanden
|
Speichel wird gesammelt und für die Raman-Analyse verarbeitet.
Die gesammelten Daten werden für die Erstellung des Klassifikationsmodells berechnet
|
Was misst die Studie?
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
---|---|---|
Identifizierung der Speichel-COPD-Raman-Signatur
Zeitfenster: 2 Jahre
|
Raman-Spektroskopie wird verwendet, um den Speichel von COPD-Patienten zu analysieren, was zur Charakterisierung einer spezifischen COPD-Signatur führt, die die Unterschiede zwischen Asthmapatienten und gesunden Probanden hervorhebt.
Mittels multivariater Analyse wird die Möglichkeit zur Erstellung eines Klassifikationsmodells getestet.
|
2 Jahre
|
Charakterisierung der spektralen Unterschiede von COPD-Patienten
Zeitfenster: 2 Jahre
|
Raman-Daten werden interpretiert, indem die Signaturen der verschiedenen experimentellen Gruppen (COPD vs. Asthma vs. gesunde Probanden) verglichen werden, um die molekularen Klassen zu identifizieren, die für die Hauptunterschiede verantwortlich sind
|
2 Jahre
|
Stratifizierung der 4 COPD-Phänotypen durch die Raman-Signatur
Zeitfenster: 2 Jahre
|
Es wird eine Intra-COPD-Klassenanalyse durchgeführt, bei der die spezifische Raman-Signatur jedes in der Studie berücksichtigten Phänotyps identifiziert wird.
Die multivariate Analyse wird durchgeführt, um die Möglichkeit zu evaluieren, ein Klassifikationsmodell zu erstellen, das in der Lage ist, eine schnelle Diagnose basierend auf der Speichelanalyse durchzuführen
|
2 Jahre
|
Überwachung der Therapietreue und -wirkung
Zeitfenster: 2 Jahre
|
Raman-Daten werden mit den klinischen Parametern korreliert, um verborgene Trends und Beziehungen zwischen den beiden untersuchten Faktoren zu identifizieren.
Insbesondere werden die Auswirkungen einer vollständigen und fehlenden Therapieadhärenz im Hinblick auf die Veränderung der Raman-Signaturen im Speichel evaluiert
|
2 Jahre
|
Bestimmung des Exazerbationsindex
Zeitfenster: 2 Jahre
|
Das Raman-Signal, das häufig Exazerbatorpatienten zugeordnet ist, wird durch lineare Diskriminanzanalyse berechnet, wobei Koeffizienten erhalten werden, die sich auf das Exazerbationsereignis beziehen.
Auf diese Weise wird ein messbarer Parameter geschaffen, um die Exazerbationsereignisse zu überwachen und möglicherweise zu prognostizieren
|
2 Jahre
|
Einsatz eines tragbaren Raman-Spektrometers als Point of Care
Zeitfenster: 3 Jahre
|
Alle Daten, Datenbanken und Klassifizierungsmodelle, die in den vorherigen Ergebnissen erstellt wurden, werden in ein tragbares Raman-Instrument integriert, das direkt auf neue Patienten angewendet wird, um die Zuverlässigkeit der Methodik zu testen.
Gleichzeitig werden die neuen Daten zum Trainieren des Modells verwendet, wodurch die Trennschärfe in Bezug auf Genauigkeit, Präzision, Sensitivität und Spezifität erhöht wird
|
3 Jahre
|
Mitarbeiter und Ermittler
Mitarbeiter
Ermittler
- Studienstuhl: Marzia Bedoni, PhD, Fondazione Don Carlo Gnocchi ONLUS, Laboratory of Nanomedicine and Clinical Biophotonics
- Hauptermittler: Paolo I Banfo, MD, Fondazione Don Carlo Gnocchi Onlus
Publikationen und hilfreiche Links
Allgemeine Veröffentlichungen
- Carlomagno C, Banfi PI, Gualerzi A, Picciolini S, Volpato E, Meloni M, Lax A, Colombo E, Ticozzi N, Verde F, Silani V, Bedoni M. Human salivary Raman fingerprint as biomarker for the diagnosis of Amyotrophic Lateral Sclerosis. Sci Rep. 2020 Jun 23;10(1):10175. doi: 10.1038/s41598-020-67138-8.
- Mirza S, Clay RD, Koslow MA, Scanlon PD. COPD Guidelines: A Review of the 2018 GOLD Report. Mayo Clin Proc. 2018 Oct;93(10):1488-1502. doi: 10.1016/j.mayocp.2018.05.026.
- Nikolaou V, Massaro S, Fakhimi M, Stergioulas L, Price D. COPD phenotypes and machine learning cluster analysis: A systematic review and future research agenda. Respir Med. 2020 Sep;171:106093. doi: 10.1016/j.rmed.2020.106093. Epub 2020 Jul 28.
- Miravitlles M, Calle M, Soler-Cataluna JJ. Clinical phenotypes of COPD: identification, definition and implications for guidelines. Arch Bronconeumol. 2012 Mar;48(3):86-98. doi: 10.1016/j.arbres.2011.10.007. Epub 2011 Dec 22. English, Spanish.
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (TATSÄCHLICH)
Primärer Abschluss (ERWARTET)
Studienabschluss (ERWARTET)
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (TATSÄCHLICH)
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (TATSÄCHLICH)
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
- FDG_RamanSaliva_COPD_CORSAI
- ERAPERMED2021-383_CORSAI (OTHER_GRANT: ERA PerMed joint transnational call)
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .
Klinische Studien zur Sammlung und Raman-Analyse von Speichel für die Datenbank
-
Indonesia UniversityAbgeschlossen
-
Wake Forest University Health SciencesAbgeschlossenGynäkologischer Krebs | Sexuelle FunktionsstörungVereinigte Staaten
-
H. Lee Moffitt Cancer Center and Research InstitutePfizerAktiv, nicht rekrutierendNierenzellkarzinom Stadium IVVereinigte Staaten
-
H. Lee Moffitt Cancer Center and Research InstituteKite, A Gilead CompanyAktiv, nicht rekrutierendDiffuses großzelliges B-Zell-Lymphom | Transformiertes LymphomVereinigte Staaten