Quantitative 3D-Ultraschall-Bildgebung des Gehirns: Entwicklung neuer Biomarker am Krankenbett zur besseren Vorhersage neurokognitiver Entwicklungsverläufe bei Frühgeborenen (QUSBI)

Begründung:

Frühgeburtlichkeit ist eine Hauptursache für neuroentwicklungsbedingte Störungen (NDDs). In Europa entwickeln 10 % der 50.000 sehr frühgeborenen Kinder eine Zerebralparese und 35 % leiden an anhaltenden kognitiven und neuropsychiatrischen Störungen, einschließlich Autismus, die eine langfristige gesundheitliche Betreuung erfordern. NDDs nach Frühgeburt stehen in engem Zusammenhang mit Schäden an der weißen Substanz, einschließlich punktueller Läsionen der weißen Substanz (PWMLs), einem vielversprechenden Marker für nachfolgende NDDs, der bis zu 24 % der sehr frühgeborenen Kinder betrifft. Daher ist eine verbesserte Früherkennung von Hirnschäden bei sehr frühgeborenen Säuglingen eine Priorität, um NDDs vorherzusagen und somit potenzielle neuroprotektive Strategien zu bewerten und frühe Interventionen umzusetzen. Die Magnetresonanztomographie (MRT) ist der Goldstandard zur Beurteilung der Integrität der weißen Substanz und hat einen Zusammenhang zwischen der Thalamusstruktur, Ventrikeldilatation, Schäden an der weißen Substanz und NDDs im Vorschulalter bei sehr frühgeborenen Säuglingen aufgezeigt. Allerdings leidet sie unter begrenzter Zugänglichkeit, geringer Portabilität und hoher Empfindlichkeit gegenüber Bewegungsartefakten, was ihren Wert für das Screening bei allen Frühgeborenen mit NDD-Risiko mindert. Im Gegensatz dazu ist die konventionelle 2D-kraniale Ultraschalluntersuchung (cUS) ein weit verbreitetes Instrument auf neonatologischen Intensivstationen, um Hirnläsionen prospektiv durch die vordere Fontanelle zu screenen. Allerdings ist sie zwar geeignet, schwere Läsionen zu erkennen, die nur bei 4-5 % der sehr frühgeborenen Säuglinge beobachtet werden, bleibt jedoch trotz jüngster Verbesserungen weniger zuverlässig für die umfassende Erkennung von PWMLs. Daher müssen 3D- und quantitative Ultraschallwerkzeuge am Patientenbett entwickelt werden, um nicht nur PWMLs, sondern auch andere Hirnstrukturen mit vielversprechendem prognostischem Wert automatisch zu erkennen und zu quantifizieren.

Hauptziel:

Identifizierung neuer früher Bildgebungsbiomarker zur Vorhersage von NDDs im Alter von 2 Jahren.

Primärer Endpunkt:

Korrelation zwischen der 3D-Quantifizierung der PWML-Belastung, die zwischen Tag 3±1 und Tag 21±3 erhoben wird, und den Ergebnissen der Bayley-Skalen-Bewertung, 4. Auflage, französische Ausgabe (2022) im Alter von 2 Jahren sowie dem Fragebogen Parent Report of Children's Abilities-Revised (PARCA-R), der Frühgeborene mit Risiko für Entwicklungsverzögerungen im Alter von 24 Monaten identifiziert.

Sekundäre Ziele:

• Entwicklung einer Verarbeitungspipeline zur Rekonstruktion von 3D-cUS-Volumina & automatischen Erkennungs- und Segmentierungsalgorithmen basierend auf Deep-Learning-Methoden.
• Validierung dieser Modelle zur Erkennung von PWMLs & Segmentierung von Thalami und dem zerebralen Ventrikelsystem (CVS).
• Korrelation der 3D-Längsschnittvolumina von Thalami und CVS bei sehr frühgeborenen Säuglingen mit & ohne PWMLs.

Sekundäre Endpunkte:

• Längsschnitt-cUS-Daten ermöglichen die Generierung von Standardwachstumskurven für Thalami- und CVS-Volumina, stratifiziert nach Geschlecht und abhängig von der gleichzeitigen Erkennung von PWMLs.

• Korrelation zwischen der 3D-Quantifizierung der PWML-Belastung, die zwischen Tag 3±1 und Tag 21±3 erhoben wird, und den Ergebnissen des Fragebogens Parent Report of Children's Abilities-Revised (PARCA-R).

  3D-Quantifizierung von PWMLs und anderen 3D-cUS-Gewebesegmentierungen, die mit neuen Algorithmen aus WP3 generiert wurden, als Prädiktoren für (i) MRT-Befunde zum Termin und (ii) neuroentwicklungsbedingte Ergebnisse im Alter von 2 Jahren.

Auswirkung:

Dieses Projekt wird die Qualität der Versorgung verbessern, indem es fortgeschrittene quantitative Hirnbildgebung auf alle sehr frühgeborenen Säuglinge ausweitet und die Früherkennung von Hirnschäden verbessert. Es wird auch erwartet, dass es personalisierte Medizinansätze fördert und translationale Forschung in der Neuroprotektion durch die Entwicklung neuer Biomarker für Hirnschäden unterstützt. Sozioökonomische Auswirkungen umfassen Kostensenkungen durch frühzeitige Identifizierung gefährdeter Kinder und rechtzeitige Interventionen zur Prävention schwerer NDDs. QUSBI wird auch erhebliche Auswirkungen auf die Familienunterstützung haben.