- ICH GCP
- Registre américain des essais cliniques
- Essai clinique NCT04628962
Analyse Raman de la salive comme biomarqueur de la MPOC (CORSAI)
Analyse Raman de la salive des patients atteints de MPOC en tant que nouveau biomarqueur : point de service basé sur l'IA pour la surveillance et la gestion de la maladie
Aperçu de l'étude
Statut
Les conditions
Intervention / Traitement
Description détaillée
L'objectif principal du projet est de créer et de valider une nouvelle méthode basée sur l'analyse par spectroscopie Raman (RS) de la salive pour une prise en charge optimisée et personnalisée des patients atteints de Broncho-Pneumopathie Chronique Obstructive (BPCO). La combinaison des données cliniques instrumentales avec l'approche RS augmentera la qualité de la pratique clinique grâce à une stratification appropriée des patients, c'est-à-dire l'identification précoce des phénotypes de la MPOC, l'attribution conséquente de thérapies précises, l'évaluation du risque potentiel d'exacerbation et l'adhésion au traitement. Grâce à l'intégration des mesures instrumentales et RS avec l'intelligence artificielle (IA), le phénotype MPOC des patients sera prédit, ce qui permettra de diriger efficacement les ressources du système de santé. La faisabilité des travaux est corroborée par l'utilisation d'un RS sensible, rapide et miniaturisé, utilisé par du personnel non spécialisé et pour la création d'un point of care (POC) sur un biofluide accessible. L'approche multidisciplinaire dans les domaines préclinique, clinique et de la gestion des mégadonnées est réalisée grâce à la collaboration de l'académie, de la recherche clinique et de l'industrie.
Partant du besoin clinique non satisfait, CORSAI établira un lien étroit entre la recherche biomédicale, la recherche clinique, la science des données vers l'intégration de la MP dans la pratique clinique et sur les implications éthiques, juridiques et sociales dans les pays participants et au-delà. L'objectif principal est la collecte des signaux RS de la salive des patients atteints de MPOC, caractérisés pour les stades de gravité et les phénotypes à l'aide d'instruments GERA, et des patients CTRL et asthmatiques (AsP) correspondants. La création et la corrélation de l'ensemble de données conduiront à la réalisation d'objectifs spécifiques : I) Identification des MPOC, CTRL et AsP RF spécifiques ; II) Surveillance de l'observance du traitement par le signal du médicament dans la salive ; III) Définition des phénotypes de BPCO sur la base de la RF corrélée aux données instrumentales GERA ; IV) Suivi des procédures de réhabilitation et des effets ; V) Association d'un risque élevé d'exacerbation à des patients BPCO spécifiques ; VI) Création d'un modèle de classification à partir de la base de données RS ; VII) Application du calcul haute performance pour l'analyse des données ; VIII) Intégration du RS portable comme POC. La nouveauté de CORSAI réside dans la méthodologie avancée, apportée au chevet du patient grâce à des instruments portables. La procédure mini-invasive utilisée pour la collecte de salive et la vitesse d'acquisition Raman représentent des avantages pertinents permettant le suivi continu de l'adhésion des patients au traitement et la discrimination contemporaine des phénotypes de BPCO avec un taux élevé d'exacerbation. La faisabilité du projet est directement liée à l'échantillon biologique et à la technologie proposée, déjà testée en milieu clinique19 : i) la facilité de collecte et de stockage de la salive correspond au scénario clinique ; ii) une préparation minimale des échantillons et un appareil portable permettent l'utilisation du POC par du personnel non spécialisé, avec des conseils de décision à distance AI.
COLLECTE D'ÉCHANTILLONS : La collecte de salive de tous les sujets sélectionnés sera effectuée en suivant les instructions du fabricant de la Salivette (SARSTEDT). Pour limiter la variabilité du contenu salivaire non lié à la MPOC, la salive sera obtenue de tous les sujets à un moment fixe, après un délai approprié entre l'alimentation et le brossage des dents. Paramètres pré-analytiques (c.-à-d. la température de stockage et le temps entre la collecte et le traitement), les habitudes alimentaires et de tabagisme seront correctement enregistrées. En bref, l'écouvillon sera retiré, placé dans la bouche et mâché pendant 60 secondes pour stimuler la salivation. Ensuite, l'écouvillon sera centrifugé pendant 2 minutes à 1 000 g pour éliminer les fragments de cellules et les débris alimentaires. Les échantillons collectés seront conservés à -80°C.
TRAITEMENT DES ÉCHANTILLONS : Pour l'analyse Raman, une goutte de chaque échantillon sera coulée sur une feuille d'aluminium afin d'obtenir la diffusion Raman améliorée en surface (SERS).
COLLECTE DE DONNÉES : Les spectres SERS seront acquis à l'aide d'un microscope Aramis Raman (Horiba Jobin-Yvon, France) équipé d'une source de lumière laser fonctionnant à 785 nm avec une puissance laser allant de 25 à 100 % (puissance maximale 512 mW). Un temps d'acquisition compris entre 10 et 30 secondes sera utilisé. L'instrument sera calibré avant chaque analyse en utilisant la bande de référence du silicium à 520,7 cm-1. Les spectres Raman seront collectés à partir de 35 points suivant une carte linéaire du bord au centre de la goutte. Les spectres seront acquis dans la région entre 400 et 1600 cm-1 à l'aide d'un objectif 50x (Olympus, Japon). La résolution spectrale est d'environ 1,2 cm-1. Le progiciel LabSpec 6 (Horiba Jobin-Yvon, France) sera utilisé pour la conception de cartes et l'acquisition de spectres.
TRAITEMENT DES DONNEES : Tous les spectres acquis seront ajustés avec une ligne de base polynomiale du quatrième degré et normalisés par vecteur unitaire à l'aide du logiciel dédié LabSpec 6. La contribution du substrat sera retirée de chaque spectre. L'analyse statistique pour valider la méthode sera effectuée en utilisant une approche d'analyse multivariée. Une analyse en composantes principales (ACP) sera effectuée afin de réduire les dimensions des données et de mettre en évidence les principales tendances. Les 20 premières composantes principales (PC) résultantes seront utilisées dans un modèle de classification, l'analyse discriminante linéaire (ADL), pour discriminer les données en maximisant la variance entre les groupes sélectionnés. Le plus petit nombre de PC sera sélectionné pour éviter le surajustement des données. La validation croisée et le test de matrice de confusion seront utilisés pour évaluer la sensibilité, la précision et l'exactitude de la méthode du modèle LDA. Mann-Whitney sera effectué sur les scores PC pour vérifier les différences statistiquement pertinentes entre les groupes analysés. L'analyse de corrélation et de corrélation partielle sera effectuée à l'aide du test de Spearman, en supposant comme corrélation valide uniquement les coefficients avec une valeur p inférieure à 0,05. L'analyse statistique sera effectuée à l'aide d'Origin2018 (OriginLab, États-Unis).
APPRENTISSAGE PROFOND : les ensembles de données seront analysés et traités à l'aide de modèles d'apprentissage en profondeur dans le but de découvrir des modèles significatifs pouvant être utilisés pour confirmer et analyser les tendances et pour développer des prédictions et une aide à la décision concernant la stratification de la MPOC. Des techniques d'augmentation de données et d'optimisation automatique d'hyperparamètres seront développées afin d'améliorer les performances de classification et d'améliorer la capacité de généralisation. Afin de parvenir à un compromis entre précision prédictive et interprétabilité, une approche basée sur la cartographie d'activation de classe (CAM) sera appliquée pour visualiser les variables actives dans les spectres afin d'identifier le modèle discriminatif pour extraire les caractéristiques spectrales les plus informatives.
UNIMIB et GERA mettront en œuvre un mécanisme d'explication pour identifier les variables actives dans tout le spectre et interpréter les représentations internes des caractéristiques et le pipeline de transformation des données du modèle CNN. UNIMIB et GERA intégreront les différents modules de calcul dans un pipeline de calcul modulaire pour la classification par patient.
Type d'étude
Inscription (Anticipé)
Contacts et emplacements
Coordonnées de l'étude
- Nom: Paolo I Banfi, MD
- Numéro de téléphone: +39 0240308812
- E-mail: pabanfi@dongnocchi.it
Sauvegarde des contacts de l'étude
- Nom: Marzia Bedoni, PhD
- Numéro de téléphone: +39 0240308533
- E-mail: labion@dongnocchi.it
Lieux d'étude
-
-
-
Bad Kissingen, Allemagne, 97688
- Actif, ne recrute pas
- Geratherm Respiratory GmbH
-
-
-
-
-
Barcelona, Espagne, 08036
- Recrutement
- Institut d'Investigacions Biomèdiques August Pi i Sunyer
-
Contact:
- Nestor Soler, MD
- Numéro de téléphone: +34 2275549
- E-mail: nsoler@clinic.cat
-
-
-
-
-
Milano, Italie, 20148
- Recrutement
- IRCCS Santa Maria Nascente - Fondazione Don Carlo Gnocchi ONLUS
-
Contact:
- Marzia Bedoni, PhD
- Numéro de téléphone: +39 0240308533
- E-mail: labion@dongnocchi.it
-
Contact:
- Paolo I Banfi, MD
- Numéro de téléphone: +39 02 40308812
- E-mail: pabanfi@dongnocchi.it
-
Sous-enquêteur:
- Marzia Bedoni, PhD
-
Chercheur principal:
- Paolo I Banfi, MD
-
Milano, Italie
- Actif, ne recrute pas
- University of Milano-Bicocca
-
-
-
-
-
Riga, Lettonie, LV1007
- Recrutement
- Riga Stradins University
-
Contact:
- Madara Tirzīte, MD
- Numéro de téléphone: +37 167409105
- E-mail: madara.tirzite@rsu.lv
-
-
Critères de participation
Critère d'éligibilité
Âges éligibles pour étudier
Accepte les volontaires sains
Sexes éligibles pour l'étude
Méthode d'échantillonnage
Population étudiée
La description
Critère d'intégration:
- Les patients atteints de BPCO seront définis comme un rapport post-bronchodilatateur VEMS/VEMS < 0,7. La gravité de la limitation du débit d'air et les phénotypes seront définis comme décrit par le système de classement GOLD, y compris les grades 2, 3 ou 4.
- Asthme superposé - BPCO sera établi par la présence d'une combinaison des facteurs suivants : antécédents d'asthme et/ou d'atopie, réversibilité au test bronchodilatateur, éosinophilie notable dans les sécrétions respiratoires et/ou périphériques, taux élevé d'IgE, test positif aux pneumoallergènes et de fortes concentrations de NO expiré
- HC et AsP appariés selon le sexe et l'âge (asthme bronchique selon la Stratégie mondiale pour la gestion et la prévention de l'asthme 2018 depuis au moins 6 mois) seront recrutés comme témoins.
Critère d'exclusion:
- Les critères d'exclusion seront la combinaison avec apnée obstructive du sommeil, cancer, MMSE<24, au moins 4 semaines après la dernière exacerbation aiguë, maladies cardiovasculaires, neurologiques et rénales, âge<18
- Infections buccales bactériennes ou fongiques en cours
Plan d'étude
Comment l'étude est-elle conçue ?
Détails de conception
Cohortes et interventions
Groupe / Cohorte |
Intervention / Traitement |
---|---|
Chevauchement Asthme-BPCO (aBPCO)
50 sujets atteints d'Asthme-BPCO Chevauchements comparables par âge et sexe avec les autres sujets recrutés.
Le diagnostic des phénotypes mixtes sera établi par la présence d'une combinaison des facteurs suivants : antécédent d'asthme et/ou d'atopie, réversibilité au test bronchodilatateur, éosinophilie notable dans les sécrétions respiratoires et/ou périphériques, IgE élevé, prick test positif aux pneumoallergènes et aux fortes concentrations de NO expiré
|
La salive sera collectée et traitée pour l'analyse Raman.
Les données collectées seront calculées pour la création du modèle de classification
|
BPCO non exacerbatrice (neBPCO)
50 sujets atteints de BPCO non exacerbatrice comparables par l'âge et le sexe aux autres sujets recrutés
|
La salive sera collectée et traitée pour l'analyse Raman.
Les données collectées seront calculées pour la création du modèle de classification
|
exacerbateur fréquent avec emphysème BPCO (eeBPCO)
50 sujets atteints d'exacerbations fréquentes d'emphysème BPCO comparables par l'âge et le sexe aux autres sujets recrutés
|
La salive sera collectée et traitée pour l'analyse Raman.
Les données collectées seront calculées pour la création du modèle de classification
|
Excacerbateur fréquent avec bronchite chronique MPOC (ebCOPD)
50 sujets atteints d'exacerbations fréquentes de bronchite chronique BPCO comparables par l'âge et le sexe aux autres sujets recrutés
|
La salive sera collectée et traitée pour l'analyse Raman.
Les données collectées seront calculées pour la création du modèle de classification
|
Patients asthmatiques (AST)
200 sujets atteints d'asthme comparables par l'âge et le sexe aux autres sujets recrutés
|
La salive sera collectée et traitée pour l'analyse Raman.
Les données collectées seront calculées pour la création du modèle de classification
|
Sujets sains (CTRL)
200 sujets sains en bon état de santé comparables par l'âge et le sexe aux autres sujets recrutés
|
La salive sera collectée et traitée pour l'analyse Raman.
Les données collectées seront calculées pour la création du modèle de classification
|
Que mesure l'étude ?
Principaux critères de jugement
Mesure des résultats |
Description de la mesure |
Délai |
---|---|---|
Identification de la signature Raman BPCO salivaire
Délai: Deux ans
|
La spectroscopie Raman sera utilisée pour analyser la salive des patients BPCO, conduisant à la caractérisation d'une signature BPCO spécifique mettant en évidence les différences entre celle des patients asthmatiques et celle des sujets sains.
À l'aide d'une analyse multivariée, la possibilité de créer un modèle de classification sera testée.
|
Deux ans
|
Caractérisation des différences spectrales des patients BPCO
Délai: Deux ans
|
Les données Raman seront interprétées en comparant les signatures des différents groupes expérimentaux (BPCO vs asthme vs sujets sains), en identifiant les classes moléculaires responsables des principales différences
|
Deux ans
|
Stratification des 4 phénotypes de BPCO par la signature Raman
Délai: Deux ans
|
Une analyse de classe intra MPOC sera effectuée, identifiant la signature Raman spécifique de chaque phénotype considéré dans l'étude.
L'analyse multivariée sera effectuée en évaluant la possibilité de créer un modèle de classification capable d'effectuer un diagnostic rapide basé sur l'analyse de la salive
|
Deux ans
|
Surveillance de l'adhésion au traitement et de ses effets
Délai: Deux ans
|
Les données Raman seront corrélées avec les paramètres cliniques, identifiant les tendances cachées et les relations entre les deux facteurs étudiés.
En particulier, les effets d'une adhésion complète et manquante au traitement seront évalués en termes de modification des signatures Raman salivaires.
|
Deux ans
|
Détermination de l'indice d'exacerbation
Délai: Deux ans
|
Le signal Raman associé aux patients fréquemment exacerbateurs sera calculé par analyse discriminante linéaire, obtenant des coefficients liés à l'événement d'exacerbation.
De cette manière, un paramètre mesurable sera créé afin de surveiller et éventuellement de prévoir les événements d'exacerbation
|
Deux ans
|
Application d'un spectromètre Raman portable comme Point of Care
Délai: Trois ans
|
Toutes les données, bases de données et modèles de classification créés dans les résultats précédents seront intégrés dans un instrument Raman portable qui sera appliqué directement sur de nouveaux patinets, afin de tester la fiabilité de la méthodologie.
Dans le même temps, les nouvelles données seront utilisées pour former le modèle, augmentant le pouvoir discriminant en termes d'exactitude, de précision, de sensibilité et de spécificité
|
Trois ans
|
Collaborateurs et enquêteurs
Parrainer
Collaborateurs
Les enquêteurs
- Chaise d'étude: Marzia Bedoni, PhD, Fondazione Don Carlo Gnocchi ONLUS, Laboratory of Nanomedicine and Clinical Biophotonics
- Chercheur principal: Paolo I Banfo, MD, Fondazione Don Carlo Gnocchi Onlus
Publications et liens utiles
Publications générales
- 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.
Dates d'enregistrement des études
Dates principales de l'étude
Début de l'étude (RÉEL)
Achèvement primaire (ANTICIPÉ)
Achèvement de l'étude (ANTICIPÉ)
Dates d'inscription aux études
Première soumission
Première soumission répondant aux critères de contrôle qualité
Première publication (RÉEL)
Mises à jour des dossiers d'étude
Dernière mise à jour publiée (RÉEL)
Dernière mise à jour soumise répondant aux critères de contrôle qualité
Dernière vérification
Plus d'information
Termes liés à cette étude
Termes MeSH pertinents supplémentaires
Autres numéros d'identification d'étude
- FDG_RamanSaliva_COPD_CORSAI
- ERAPERMED2021-383_CORSAI (OTHER_GRANT: ERA PerMed joint transnational call)
Plan pour les données individuelles des participants (IPD)
Prévoyez-vous de partager les données individuelles des participants (DPI) ?
Informations sur les médicaments et les dispositifs, documents d'étude
Étudie un produit pharmaceutique réglementé par la FDA américaine
Étudie un produit d'appareil réglementé par la FDA américaine
Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .