Tekoäly geneettisen taustan priorisoimiseksi Brugadan oireyhtymässä (AI4Cardio)
Tekoälyn käyttö kausatiivisen geneettisen taustan priorisoimiseen Brugadan oireyhtymän kohortissa: havainnollinen retrospektiivinen tutkimus
Tutkimuksen yleiskatsaus
Tila
Ehdot
Yksityiskohtainen kuvaus
Brugadan oireyhtymä (BS) on perinnöllinen sydämen sähköhäiriö, joka voi aiheuttaa pyörtymistä ja äkillistä sydämenpysähdystä nuorilla oireettomilla yksilöillä. Sen epäillään aiheuttavan 4–12 prosenttia äkillisistä sydänkuolemista väestössä. Diagnoosi perustuu tyypin I EKG-kuvion tunnistamiseen, jolle on tunnusomaista ST-segmentin elevaatio ja peitetty morfologia oikeissa sydänalassa. Länsimaissa esiintyvyyden arvioidaan olevan 1:5000. Tällä hetkellä kardioverterdefibrillaattorin (ICD) implantointi on ainoa hoitovaihtoehto, mutta riskin jakautumisen suuntaviivat ovat edelleen epätäydellisiä, erityisesti oireettomille henkilöille.
BS periytyy autosomaalisena hallitsevana ominaisuutena, jonka penetranssi on epätäydellinen. Vaikka 23 geeniä on liitetty BS-alttiuteen, 70 % potilaista jää geneettisesti luonnehtimattomiksi, mikä viittaa monimutkaisempaan periytymismalliin. Genetiikkaa ei ole sisällytetty riskien kerrostumisohjeisiin, vaikka todisteet yhdistävät tietyt geneettiset variantit korkeampaan rytmihäiriöriskiin. Tämä tiedon puute korostaa, kuinka tärkeää on laajentaa ymmärrystämme BS:n genetiikasta diagnostisen herkkyyden ja potilaan hallinnan parantamiseksi.
Tämä protokolla perustuu alustaviin tietoihin Italian terveysministeriön myöntämästä tutkimuksesta (GR-2016-02362316), jossa seuraavan sukupolven sekvensointia (NGS) käytettiin 200 BS-potilaan kokonaisten koodausalueiden (Whole Exome Sequencing_WES) tutkimiseen. . Tutkimuksen tavoitteena oli tunnistaa uusia BS-ehdokasgeenejä ja karakterisoida sairauden geneettinen perusta.
Kohortti valittiin joko spontaanisti tai flekainidin tai ajmaliinin indusoiman tyypin I EKG:n perusteella. Potilaille tehtiin perusteellinen sydänarviointi muiden sairauksien sulkemiseksi pois. Seuranta sisälsi vuosittaisia arviointeja ja useammin arvioitavia potilaita, joilla oli suurempi kammiotakykardian riski.
Suuri määrä geneettisiä muunnelmia tunnistettiin hyödyntämällä WES:ää, mikä sai keinoälyn (AI) käytön priorisoimaan sekvensointitiedot. Tekoälytekniikat, mukaan lukien kehittyneet algoritmit ja koneoppiminen, voivat virtaviivaistaa mahdollisesti sairauksia aiheuttavien geneettisten muunnelmien tunnistamista suodattamalla pois yleiset variantit, ennustamalla patogeenisyyttä ja integroimalla kliinisiä tietoja.
Koska yli 70 % BS-potilaista jää geneettisesti diagnosoimattomiksi, suuren suorituskyvyn sekvensointimenetelmät ovat ratkaisevan tärkeitä BS-genetiikan kattavan ymmärtämisen kannalta. Tämän tutkimuksen tavoitteena on edistää uusien geneettisten tekijöiden tunnistamista ja parantaa sairastuneiden potilaiden riskikerrosta. Kaikki tämän projektin sekvensointitiedot on luotu ja analysoidaan tekoälyn avulla, eikä muita potilaita tarvitse ottaa mukaan tai sekvensoida.
Opintotyyppi
Ilmoittautuminen (Todellinen)
Yhteystiedot ja paikat
Opiskelupaikat
-
-
-
Milan, Italia, 20132
- IRCCS San Raffaele
-
Milan, Italia
- Milano-Bicocca University
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Näytteenottomenetelmä
Tutkimusväestö
Kuvaus
Sisällyttämiskriteerit:
- 200 BS-potilasta on valittu ja kliinisesti arvioitu joko spontaanin tai flekainidin tai ajmaliinin aiheuttaman tyypin I elektrokardiogrammin (EKG) perusteella.
Poissulkemiskriteerit:
- Tässä tutkimuksessa ei ole hyväksytty poissulkemiskriteerejä. Koko aiemmin sekvensoitu 200 BS-potilaan kohortti tutkitaan ja otetaan huomioon käyttämällä AI-lähestymistapaa saatavilla olevien sekvensointitietojen priorisoinnissa.
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Kohortit ja interventiot
Ryhmä/Kohortti |
|---|
|
BrS-potilaat
San Raffaelen sairaalan sydämen elektrofysiologian ja arytmologian osasto on valinnut 200 BS-potilasta ja arvioinut kliinisesti tyypin I elektrokardiogrammin (EKG), joko spontaanin tai flekainidin tai ajmaliinin aiheuttaman, esiintymisen.
Sydämen morfologiset ja toiminnalliset ominaisuudet on analysoitu kaikilta potilailta rintakehän kaikukardiografialla ja rasitustestillä, jotta voidaan sulkea pois arytmogeeninen oikean kammion dysplasia ja iskeeminen sydänsairaus.
Kliinisistä ominaisuuksista on arvioitu 12-kytkentäsignaalin keskiarvoistetut EKG-parametrit ja kaikki mahdolliset riskitekijät.
Elektrofysiologinen tutkimus on suoritettu spontaaneille BS-mallin 1 EKG-potilaille tai potilaille, joilla on indusoitu BS-mallin 1 EKG ja vähintään yksi riskitekijä.
Potilaille, joilla on suurempi herkkyys indusoidulle kammiotakykardialle, on istutettu ICD.
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Uudet ehdokasgeenit, jotka todennäköisesti liittyvät Brugadan oireyhtymään käyttämällä tekoälypohjaista lähestymistapaa.
Aikaikkuna: 1 vuosi
|
BS-fenotyypin taustalla olevien geneettisten muunnelmien priorisointi: 200 aiemmin sekvensoidun BS:n koko eksomidata priorisoidaan käyttämällä tekoälypohjaista lähestymistapaa, jonka ovat kehittäneet UniMIB:n yhteistyökumppanit.
|
1 vuosi
|
Toissijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Pahempaan fenotyyppiin liittyvien geneettisten riskitekijöiden tunnistaminen.
Aikaikkuna: 1 vuosi
|
Uusien oletettujen geenien ja kliinisten muuttujien korrelaatio, jotka on aiemmin kerätty kattavaan tietokantaan tätä tutkimusta varten.
|
1 vuosi
|
Yhteistyökumppanit ja tutkijat
Sponsori
Tutkijat
- Päätutkija: Chiara Di Resta, PhD, IRCCS San Raffaele Hospital
Julkaisuja ja hyödyllisiä linkkejä
Yleiset julkaisut
- Di Resta C, Pietrelli A, Sala S, Della Bella P, De Bellis G, Ferrari M, Bordoni R, Benedetti S. High-throughput genetic characterization of a cohort of Brugada syndrome patients. Hum Mol Genet. 2015 Oct 15;24(20):5828-35. doi: 10.1093/hmg/ddv302. Epub 2015 Jul 28.
- Sommariva E, Pappone C, Martinelli Boneschi F, Di Resta C, Rosaria Carbone M, Salvi E, Vergara P, Sala S, Cusi D, Ferrari M, Benedetti S. Genetics can contribute to the prognosis of Brugada syndrome: a pilot model for risk stratification. Eur J Hum Genet. 2013 Sep;21(9):911-7. doi: 10.1038/ejhg.2012.289. Epub 2013 Jan 16.
- Di Resta C, Berg J, Villatore A, Maia M, Pili G, Fioravanti F, Tomaiuolo R, Sala S, Benedetti S, Peretto G. Concealed Substrates in Brugada Syndrome: Isolated Channelopathy or Associated Cardiomyopathy? Genes (Basel). 2022 Sep 28;13(10):1755. doi: 10.3390/genes13101755.
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Ensisijainen valmistuminen (Todellinen)
Opintojen valmistuminen (Todellinen)
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen Lähetetty (Todellinen)
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- AI4Cardio
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .