Analyse Raman de la salive comme biomarqueur de la MPOC (CORSAI)

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.