Bipolare Störung Integrative Stadieneinteilung: Einbeziehung von Biomarkern in die Progression über die Stadien hinweg (BOARDING-PASS)

Begründung Bipolare Störung (BD) ist eine hochprävalente (ca. 1 % in der Allgemeinbevölkerung) und beeinträchtigende Erkrankung, die durch einen chronischen und progressiven Verlauf gekennzeichnet ist. Der natürliche Verlauf der BD umfasst typischerweise eine anfängliche asymptomatische Phase, gefolgt von einem Prodromalstadium und anschließend dem Auftreten einer ersten syndromalen Episode (depressiv oder manisch), auf die in der Regel rezidivierende Episoden folgen, oft ohne vollständige interepisodische Genesung. Eine wachsende Anzahl von Belegen unterstützt die Vorstellung, dass der longitudinale Verlauf der BD mit einem aktiven Prozess der Neuroprogression verbunden ist, der durch fortschreitende Hirnveränderungen und funktionelle Beeinträchtigungen gekennzeichnet ist. Mehrere klinische Faktoren können den Krankheitsverlauf beeinflussen, darunter die Anzahl affektiver Episoden, das Vorliegen psychiatrischer und medizinischer Komorbiditäten, die Exposition gegenüber belastenden Lebensereignissen und eine familiäre Vorgeschichte psychiatrischer Störungen. Neuroimaging-Studien haben die neuroprogressive Hypothese bei BD konsequent gestützt, indem sie strukturelle und funktionelle Hirnveränderungen nachweisen, die mit fortschreitender Erkrankung zunehmen. Anomalien wurden auch auf Ebene großskaliger neuronaler Netzwerke beschrieben. Insbesondere scheint das Default Mode Network veränderte Muster von Hyper- und Hypokonnektivität mit affektiven, frontoparietalen und Aufmerksamkeitssystemen aufzuweisen, wobei zentrale Knotenpunkte beteiligt sind, die für eine effiziente großskalige Hirnkommunikation verantwortlich sind. Darüber hinaus wurden strukturelle und funktionelle Veränderungen auch bei nicht betroffenen Verwandten von Patienten mit BD identifiziert. Studien, die zusätzliche Biomarker bei BD untersuchen, haben weitere Belege für eine stadienbezogene Progression der Erkrankung geliefert, insbesondere in Bezug auf Brain-Derived Neurotrophic Factor (BDNF) und entzündliche Zytokine. Insgesamt bieten jüngste Fortschritte im Bereich der klinischen Stadieneinteilung von BD zusammen mit Fortschritten bei der Identifizierung biologischer Marker (z. B. Gen-Transkriptionsmodulation, neurotrophe Signalwege, immuninflammatorische Pfade, Mikrobiota) und Neuroimaging (Struktur und Funktion großskaliger Hirnsysteme) eine starke Begründung für die Entwicklung eines multidimensionalen Staging-Modells. Ein solches Modell würde klinische und neurobiologische Daten integrieren, was eine größere diagnostische, prognostische und therapeutische Präzision ermöglicht.

Spezifische Ziele und experimentelles Design

Die BOARDING PASS-Studie hat folgende Ziele:

1. die longitudinale Bewertung der klinischen Progression von BD über einen Zeitraum von 18 Monaten unter Verwendung des Staging-Modells von Kupka & Hillegers;
2. die Untersuchung der Rolle biologischer und Neuroimaging-Marker bei BD-Stadienübergängen (d. h. Gen-Transkriptionsregulation, Entzündung, mikrobielle, strukturelle und funktionelle Neuroimaging-Maße);
3. die Implementierung eines prädiktiven ML-Modells auf Basis der Integration klinischer, biologischer und Neuroimaging-Daten, um eine individualisierte und datengesteuerte Vorhersage von BD-Stadienübergängen zu ermöglichen.

Die Studie umfasst die konsekutive Rekrutierung von 120 Probanden, die an drei der vier teilnehmenden Zentren eingeschrieben sind: UO1 (ASST Fatebenefratelli-Sacco, Mailand), UO2 (ASST Papa Giovanni XXIII, Bergamo) und UO3 (ASL 2 Abruzzo, Lanciano-Vasto-Chieti). Einschluss- und Ausschlusskriterien sind nachstehend detailliert aufgeführt.

Einschlusskriterien:

1. Von BD betroffene und nicht betroffene Probanden, deren klinisches Stadium innerhalb der von Kupka und Hillegers definierten Stadien liegt, nämlich:

   Stadium 0 (erhöhtes Risiko: Verwandter ersten Grades mit BD, ohne psychiatrische Symptome); Stadium 1 (Verwandter ersten Grades mit BD, bei Vorliegen unspezifischer psychiatrischer Symptome oder depressiver Episode(n)); Stadium 2 (erste hypo/manische Episode, die eine Diagnose von BD Typ I oder II gemäß DSM-5 ermöglicht; APA, 2013); Stadium 3 (rezidivierende Episode(n): depressiv, hypo/manisch oder gemischt); Stadium 4 (persistierende nicht remittierende Störung: chronische depressive, manische oder gemischte Episoden, einschließlich Rapid Cycling);

2. Personen beiderlei Geschlechts;
3. Alter ≥ 18 Jahre und ≤ 70 Jahre;
4. Fähigkeit, eine gültige schriftliche Einwilligungserklärung zu erteilen.

Ausschlusskriterien:

1. Unfähigkeit, eine gültige schriftliche Einwilligungserklärung zu erteilen;
2. Vorliegen einer intellektuellen Beeinträchtigung;
3. Vorliegen einer schwerwiegenden begleitenden medizinischen Erkrankung;

4. Vorliegen einer aktuellen Substanzgebrauchsstörung. Nach Erteilung der schriftlichen Einwilligungserklärung zur Teilnahme werden eingeschlossene Probanden eine Baseline-Bewertung (T0) durchlaufen und anschließend in einen 18-monatigen Follow-up-Zeitraum eintreten, der aus drei nachfolgenden Zeitpunkten besteht: T1 (6 Monate nach T0), T2 (12 Monate nach T0) und T3 (18 Monate nach T0). Bei T0 und jedem nachfolgenden Zeitpunkt umfasst die Teilnehmerbewertung: (i) klinische und psychometrische Evaluation; ausschließlich bei T0, T2 und T3, (ii) Bewertung biologischer Marker; und (iii) Hirn-Magnetresonanztomographie zur Erfassung struktureller und funktioneller MRT-Daten.

   Klinische und psychometrische Bewertung

   Bei Baseline (T0) werden für jeden Studienteilnehmer die wichtigsten soziodemografischen und klinischen Variablen erfasst und in eine anonymisierte Datenbank eingegeben. Dazu gehören:

   (a) soziodemografische Daten: Alter, Geschlecht, Ethnizität, Bildungsstand, Familienstand und Berufsstatus; (b) klinische Merkmale: Familienanamnese psychiatrischer Störungen, BD-Subtyp, Erkrankungsbeginnsalter der BD und assoziierte belastende Lebensereignisse, Erkrankungsdauer, Dauer der unbehandelten Erkrankung, Alter bei erster depressiver und hypo/manischer Episode, Polarität der ersten und jüngsten affektiven Episode, vorherrschende Polarität, Gesamtzahl lebenslanger affektiver Episoden, Vorliegen gemischter oder Rapid-Cycling-Merkmale, aktuelle und vorherige psychopharmakologische Behandlungen, medizinische und psychiatrische Komorbiditäten, Anamnese einer Substanzgebrauchsstörung, lebenslange Anzahl von Hospitalisierungen und Suizidversuche.

   Diese Variablen werden verwendet, um das klinische Stadium bei T0 gemäß dem Modell von Kupka und Hillegers (Kupka & Hillegers, 2012) zuzuordnen. Bei jedem nachfolgenden Zeitpunkt werden soziodemografische und klinische Daten aktualisiert, um das entsprechende Stadium neu zuzuordnen und potenzielle Assoziationen zwischen klinischen Variablen und der Wahrscheinlichkeit des Fortschreitens zu fortgeschritteneren Krankheitsstadien zu bewerten.

   Die klinische Bewertung umfasst weiterhin die Anwendung der folgenden psychometrischen Skalen und Fragebögen: Test di Intelligenza Breve (TIB; Sartori, 1997; Colombo, 2002), Anwendungszeit ca. 5 Minuten; Hamilton Depression Rating Scale (HDRS-21; Hamilton, 1960; Cassano et al., 1991), Anwendungszeit ca. 20 Minuten; Hamilton Anxiety Rating Scale (HARS; Hamilton, 1959; Cassano et al., 1991), Anwendungszeit ca. 15 Minuten; Montgomery-Åsberg Depression Rating Scale (MADRS; Montgomery & Åsberg, 1979; Palma et al., 1999), Anwendungszeit ca. 15 Minuten; Young Mania Rating Scale (YMRS; Young et al., 1978; Palma et al., 1999), Anwendungszeit ca. 15 Minuten; und Global Assessment of Functioning (GAF; Hall, 1995; APA, 1996), Anwendungszeit ca. 2 Minuten; Family Interview for Genetic Studies (FIGS); Drugs Abuse Screening Test (DAST-10), Anwendungszeit wurde auf etwa 5 Minuten geschätzt. TWEAK-Test mit einer Bearbeitungszeit von etwa 2 Minuten. Childhood Trauma Questionnaire (CTQ), erfordert 5-10 Minuten und wird bei Baseline angewendet. Paykel Scale for Recent Life Events, Anwendungszeit etwa 15 Minuten und wird bei Baseline durchgeführt; Clinician Rating Scale (CRS), in etwa 2 Minuten bei jedem Zeitpunkt erfasst und dient der Bewertung der Patientenadhärenz zur pharmakologischen Behandlung.

   Bewertung biologischer Marker: Gen-Transkriptionsregulation, Entzündung, Mikrobiomdaten

   Biologische Proben für Genexpressions-, Entzündungs- und Mikrobiomanalysen werden bei Baseline, T2 und T3 gesammelt. Konkret:

   1. Unstimulierte Speichelproben – d. h. Gesamtspeichel, der unter Ruhebedingungen ohne gustatorische, masticatorische oder pharmakologische Stimulation gesammelt wird – werden mit Mundhöhlenwattestäbchen (Salivette, Sarstedt, Nümbrecht, Deutschland) gewonnen und bei -20 °C bis zur Extraktion genomischer DNA (gDNA) gelagert. Exosomen werden ebenfalls aus Speichel isoliert und miRNAs mit einem Exosomen-RNA-Isolationskit gereinigt.

   2. Periphere venöse Blutproben werden in zwei 5 ml Vacutainer-Röhrchen mit Natriumcitrat gesammelt. Serum und zelluläre Komponenten werden getrennt und Gesamt-RNA sowie gDNA aus PBMCs extrahiert.

      Alle an den drei Rekrutierungsstandorten (Einheiten 1, 2 und 3) gesammelten biologischen Proben werden an das zentrale Labor (Einheit 4) zur standardisierten Verarbeitung und Analyse überführt, einschließlich:

      - LIPIDOMICS zur Analyse kurzkettiger Fettsäuren (SCFAs), extrahiert aus Speichelderivatisierung für LC-MS/MS-Analyse wird durchgeführt.

      Molekularbiologische Studien:

      - Genexpressionsanalyse. Relative Häufigkeit von mRNA-Spezies in PBMCs wird mittels Echtzeit-RT-PCR und Digital PCR bestimmt.

      - DNA-Methylierung sowohl in Blut- als auch Speichelzellen a. allgemeiner DNA-Methylierungsstatus wird mit der Reduced Representation Bisulfite Sequencing (RRBS)-Methode (SBS-Sequenzierung der SURFseq5000-Plattform) analysiert; b. genspezifische DNA-Methylierungsstudie wird an amplifizierter Bisulfit (BS)-behandelter DNA durchgeführt und Methylierungsgrade mit PyroMark Q48 (64) analysiert.

      - Speichelexosomale miRNAs: miRNOme-Analyse und ausgewählte miRNAs nach Netzwerkanalyse durch RealTime PCR und Digital PCR.

      • DNA-Bindung von Transkriptionsfaktoren. ALPHAScreenTM-Assay-Technik zur Überprüfung, ob identifizierte Erkennungselemente an Genpromotoren an verschiedene Transkriptionsfaktoren binden und ob diese Bindung direkt durch den Methylierungsgrad von CpG-Motiven moduliert wird.
      • Speichel-MIKROBIOTA-ZUSAMMENSETZUNG durch 16S rRNA-Mikrobiomsequenzierung.

      Neuroimaging-Bewertung

      MRT-Bewertungen werden bei T0, T2 und T3 mit 3T-Scannern durchgeführt und umfassen:

      - Strukturelle MRT (sMRI): 3D T1-gewichtete Bilder werden mit einer SPGR-Sequenz (TE = Minimum (voll); Flipwinkel, 6°; FOV, 250 mm; Bandbreite, 31,25; Matrix, 256 x 256) mit 124 axialen Schichten von 1,3 mm Dicke erfasst. Nach kortikaler Oberflächenrekonstruktion werden lokale Gyrifikationsindizes für 68 parzellierte kortikale Regionen basierend auf dem Desikan-Atlas unter Verwendung von FreeSurfer v7.1.0 berechnet. Ein Jackknife-Bias-Schätzverfahren wird dann angewendet, um den Beitrag jedes Einzelnen zur gruppenebenen Kovarianzstruktur zu bestimmen, wodurch eine 68×68 individuelle Distanzmatrix erzeugt wird. Die topologische Organisation der resultierenden strukturellen Kovarianznetzwerke wird anschließend mit dem Graph Analysis Toolbox analysiert.

      - Ruhezustands-funktionelle MRT: rs-fMRI-Bilder werden mit einer Gradienten-Echo-EPI-Sequenz mit 36 axialen Schichten (TE = 30 ms; TR = 2000 ms; Voxelgröße: 3×3×4 mm3; Matrixgröße: 64×64; FOV: 192×192 mm2) erfasst, in interleaved Reihenfolge akquiriert. Jede Ruhezustandssitzung besteht aus 400 Volumina. Die Vorverarbeitung wird mit einer Kombination aus FMRIB's Software Library (FSL) und benutzerdefinierten MATLAB-Skripten durchgeführt. Die Pipeline umfasst folgende Schritte: (1) Neuausrichtung in den Standardraum; (2) Erkennung von Ausreißervolumina, gefolgt von spline-basierter Interpolation von Ausreißerzeitpunkten; (3) räumliche und zeitliche Vorverarbeitung, einschließlich Bewegungskorrektur (MCFLIRT), zeitlicher Hochpassfilterung und räumlicher Glättung (FWHM = 5 mm); (4) Hirnextraktion des strukturellen Bildes; (5) nichtlineare Registrierung in den MNI152-Standardraum mit FSL-FNIRT. Statische und dynamische funktionelle Konnektome werden durch Berechnung z-transformierter Pearson-Korrelationskoeffizienten zwischen allen Paaren von Hirnregionen im verwendeten Parzellierungsschema geschätzt. Dynamische Konnektivität wird mit einem Gleitfensteransatz mit einer Fensterlänge von 30 TRs und einer Schrittweite von 2 TRs berechnet. Diese Schritte werden durch hauseigene Software implementiert, die in MATLAB entwickelt wurde. Graphentheoretische Maße werden über die Brain Connectivity Toolbox (MATLAB) berechnet.

      Um inter-site-Variabilität in Neuroimaging-Daten zu minimieren, werden sowohl strukturelle als auch funktionelle MRT-Akquisitionen unter Verwendung harmonisierter Protokolle über die beiden Bildgebungszentren durchgeführt, die jeweils mit einem 3 T-Scanner ausgestattet sind. ML-Algorithmen Ein ML-Rahmenwerk wird entwickelt, um klinische Stadienübergänge bei BD durch Integration gesammelter klinischer, biologischer und Neuroimaging-Daten vorherzusagen. Um die Integration multimodaler Daten zu handhaben, werden wir robuste Vorverarbeitungspipelines einschließlich Datenormalisierung, Ausreißererkennung und Imputationsmethoden zum Umgang mit fehlenden Werten (z. B. k-nächste-Nachbarn oder multiple Imputation) anwenden. ML-Analysen beginnen im Monat 6 der Studie und werden mit MATLABs Statistics and Machine Learning Toolbox durchgeführt, anfangs unterstützt durch NeuroMiner-Software (http://proniapredictors.eu/neurominer/index.html), eine validierte Softwareplattform zur Verwaltung heterogener Datensätze. NeuroMiner bietet eine breite Palette von Kreuzvalidierungsrahmen, Vorverarbeitungsstrategien, überwachten Lernalgorithmen, Merkmalsauswahlwerkzeugen und externen Validierungsmethoden. Der ML-Ansatz basiert auf überwachten Klassifikatoren, hauptsächlich Support Vector Machine (SVM) und Bayes'schen Modellen. In der Vorbereitungsphase werden Klassifikatoren an vorläufigen Datensätzen trainiert und getestet, um alternative prädiktive Modelle in einer kontrollierten Umgebung zu vergleichen und die leistungsstärkste algorithmische Konfiguration zu identifizieren. Anschließend werden Merkmalsauswahlverfahren eingesetzt, um die diskriminativsten Variablen aus dem Pool der Kandidatenmerkmale zu identifizieren. Dieser Schritt ist entscheidend, um die Modellinterpretierbarkeit zu verbessern und Overfitting zu verhindern, insbesondere in kleinen Stichproben, hochdimensionalen Datensätzen, die für multimodale Studien typisch sind. Tatsächlich reduziert die Merkmalsauswahl durch Verringerung der Anzahl der Eingabevariablen Rauschen, verringert die Modellkomplexität und verbessert die Generalisierbarkeit der ML-Vorhersagen. Falls erforderlich (d. h. wenn die Dimensionalität des Merkmalsraums immer noch zu hoch ist), könnte zur weiteren Reduzierung von Overfitting und Rechenlast eine Hauptkomponentenanalyse angewendet werden. SVM-Klassifikatoren werden aufgrund ihrer Robustheit im Umgang mit hochdimensionalen, kleinen Stichprobendaten priorisiert. Zusätzlich wird Klassengewichtung angewendet, sodass Fehler bei Minderheitsstadien stärker bestraft werden, wodurch die durch ungleiche Gruppengrößen eingeführte Verzerrung reduziert wird. Die Modellleistung wird mit Kreuzvalidierungstechniken (z. B. Leave-One-Out oder stratifizierte k-Fold, abhängig von Datenstruktur und Klassenverteilung) bewertet und in Bezug auf Sensitivität, Spezifität, F1-Score und Gesamtgenauigkeit evaluiert, um potenzielle Klassenungleichgewichte zu berücksichtigen. Eine vordefinierte Mindestzielgenauigkeit von 90 % ist für den Modell-Einsatz auf dem vollständigen Datensatz erforderlich. Studienstandorte und Organisationsstruktur Die BOARDING-PASS-Studie wird über vier operationelle Einheiten (UOs) durchgeführt, jede mit definierten Rollen, um hochwertige Datenerfassung und standardisierte klinische Verfahren sicherzustellen.

      - UO1 (ASST Fatebenefratelli-Sacco, Mailand) ist das koordinierende Zentrum, verantwortlich für Patientenrekrutierung und Baseline-Diagnosebewertungen, standardisierte Erfassung klinischer und biologischer Daten. UO1-Untersucher werden Koordination und Aufsicht innerhalb des multizentrischen Forschungsnetzwerks bereitstellen, effektive Kommunikation zwischen Klinikern, Forschern und technischem Personal aufrechterhalten.

      • UO2 (ASST Papa Giovanni XXIII, Bergamo) ist verantwortlich für Teilnehmerrekrutierung, Diagnosebewertung, Sammlung biologischer Proben, Erfassung struktureller und Ruhezustands-MRT-Daten auch im Auftrag von UO1 und strukturelle Neuroimaging-Analyse.
      • UO3 (ASL 2 Lanciano-Vasto-Chieti) führt Teilnehmerrekrutierung und -bewertung, Datenerfassung und -management, Sammlung biologischer Proben sowie Erfassung struktureller und funktioneller Neuroimaging-Daten durch.
      • UO4 (Universität Teramo) dient als zentrale Einrichtung, verantwortlich für biologische Analysen, insbesondere Gen-Transkriptionsregulation und Mikrobiota-Analysen. UO4 ist auch verantwortlich für die Analyse funktioneller Neuroimaging-Daten und für die Implementierung von ML-Algorithmen.