Cette page a été traduite automatiquement et l'exactitude de la traduction n'est pas garantie. Veuillez vous référer au version anglaise pour un texte source.

Développement d'un outil logiciel, utilisant l'intelligence artificielle, qui intègre des données cliniques, biologiques, génétiques et d'imagerie pour prédire le diagnostic et l'issue des patients déprimés afin d'améliorer le pronostic et de limiter les coûts de santé.

5 avril 2023 mis à jour par: Irene Bollettini, IRCCS San Raffaele

Classification de la dépression unipolaire par rapport à la dépression bipolaire : un système d'aide au diagnostic innovant basé sur des caractéristiques cliniques et des biomarqueurs génétiques, inflammatoires et de neuro-imagerie.

Sur la base de preuves solides de la littérature, les chercheurs émettent l'hypothèse de la présence de fondements neurobiologiques spécifiques à la maladie pour les troubles bipolaires et unipolaires, qui peuvent servir de biomarqueurs pour le diagnostic différentiel. Cependant, les approches de comparaison de groupe adoptées dans la recherche psychiatrique ne parviennent pas à traduire les connaissances émergentes en routine de diagnostic.

Comment les médecins peuvent-ils prédire le diagnostic différentiel et la réponse au traitement en utilisant les connaissances de pointe acquises au cours de la dernière décennie ? Comment des connaissances aussi vastes peuvent-elles être utiles et applicables dans la pratique clinique ? Avec ce projet, les chercheurs proposent une solution à ces défis en développant un outil logiciel qui intègre les données cliniques, biologiques, génétiques et d'imagerie disponibles pour prédire le diagnostic et les résultats de nouveaux patients individuels.

La plate-forme d'aide à la décision utilisera l'intelligence artificielle, en particulier des techniques d'apprentissage automatique, qui seront "entraînées" par des données afin de prédire la catégorie à laquelle appartient une nouvelle observation. Ce faisant, les ensembles de données multimodaux existants et nouvellement acquis de patients bipolaires et unipolaires seront traduits en prédicteurs pour un diagnostic et un pronostic personnalisés des patients.

Le projet peut avoir un grand impact sur la communauté psychiatrique et le système de santé. L'identification de biomarqueurs prédictifs pour la DU et la BD fournira un outil essentiel dans les premiers stades de la maladie, garantissant un diagnostic précis, améliorant le pronostic et limitant les coûts des soins de santé.

Les chercheurs recruteront 80 patients bipolaires, 80 patients unipolaires et 80 témoins sains pour l'étude IRM. Des données cliniques, génétiques et inflammatoires seront acquises auprès de tous les sujets.

Les données suivantes seront obtenues : âge, sexe, nombre d'épisodes, récidive, âge d'apparition de la maladie, psychose à vie, familiarité BD ou UD, tentative de suicide, médicaments, scores à HDRS, Beck Depression Inventory et batterie BACS.

L'IRM sera réalisée sur des scanners 3.0 Tesla. Les acquisitions IRM comprendront les séquences SE EPI DTI, MPRAGE 3D pondérées en T1 et IRMf pendant l'état de repos et un paradigme d'appariement de visage, qui permettait auparavant de définir la connectivité dans les troubles de l'humeur.

Des échantillons de sang seront prélevés et le plasma sera extrait et stocké à -80. Les cytokines pro- et anti-inflammatoires seront mesurées à l'aide du Bioplex human cytokines 27-plex.

Les variantes génétiques associées considérées pour le diagnostic différentiel seront évaluées à l'aide de la puce Infinium PsychArray-24 BeadChip. Ce microréseau rentable et à haute densité a été développé en collaboration avec le Psychiatric Genomics Consortium pour des études génétiques à grande échelle axées sur la prédisposition et le risque psychiatriques.

La pertinence des caractéristiques cliniques, génétiques, moléculaires et basées sur l'image en tant que signatures des troubles bipolaires et unipolaires sera évaluée par la littérature de pointe et estimée sur un ensemble de données indépendant déjà existant (30 sujets par groupe). Des analyses du modèle linéaire général suivies de tests t bilatéraux seront utilisées pour déterminer si chaque paramètre diffère significativement entre les groupes, tout en supprimant la contribution de l'âge, du sexe, de la durée de la maladie et d'autres facteurs de confusion.

Un algorithme d'apprentissage à noyaux multiples (MKL) projettera les caractéristiques multisources dans un espace de dimension supérieure où les trois groupes de sujets seront séparés au maximum. Les fonctionnalités sélectionnées seront utilisées à la fois séparément et en combinaison. Les effets nuisibles de l'âge, du sexe, de la durée de la maladie et du système d'IRM seront corrigés lors de la phase d'apprentissage de l'algorithme. Le classificateur MKL sera testé à l'aide d'une stratégie de validation croisée imbriquée k-fold avec réglage des hyperparamètres. L'ensemble de données d'entraînement est déjà disponible et comprend environ 550 sujets.

L'architecture logicielle sera conçue dans l'environnement Matlab en intégrant des méthodes d'imagerie quantitative, un algorithme d'apprentissage automatique et des analyses statistiques en tant que modules distincts dans une interface conviviale, ce qui facilitera le partage des ressources informatiques dans la communauté clinique.

Aperçu de l'étude

Statut

Recrutement

Type d'étude

Observationnel

Inscription (Anticipé)

730

Contacts et emplacements

Cette section fournit les coordonnées de ceux qui mènent l'étude et des informations sur le lieu où cette étude est menée.

Coordonnées de l'étude

Sauvegarde des contacts de l'étude

Lieux d'étude

    • MI
      • Milano, MI, Italie, 20132
        • Recrutement
        • IRCCS San Raffaele Institute
        • Contact:
        • Contact:

Critères de participation

Les chercheurs recherchent des personnes qui correspondent à une certaine description, appelée critères d'éligibilité. Certains exemples de ces critères sont l'état de santé général d'une personne ou des traitements antérieurs.

Critère d'éligibilité

Âges éligibles pour étudier

18 ans à 65 ans (Adulte, Adulte plus âgé)

Accepte les volontaires sains

Oui

Sexes éligibles pour l'étude

Tout

Méthode d'échantillonnage

Échantillon non probabiliste

Population étudiée

Les patients seront recrutés dans les services psychiatriques des deux unités impliquées dans le projet

La description

Critère d'intégration:

  • 18-65 ans
  • 17-Hamilton Depression Rating Scale (HDRS) d'au moins 14

Critère d'exclusion:

  • Axe I comorbidités
  • Retard mental
  • Grossesse
  • Antécédents d'épilepsie
  • Troubles médicaux et neurologiques majeurs
  • Traitement neuroleptique au cours des 3 derniers mois
  • Abus de drogue ou d'alcool au cours des 6 derniers mois
  • Conditions médicales affectant le système immunitaire

Plan d'étude

Cette section fournit des détails sur le plan d'étude, y compris la façon dont l'étude est conçue et ce que l'étude mesure.

Comment l'étude est-elle conçue ?

Détails de conception

Que mesure l'étude ?

Principaux critères de jugement

Mesure des résultats
Description de la mesure
Délai
Identification de biomarqueurs
Délai: Nous prévoyons d'atteindre ce résultat 24 mois après le début de l'étude
Le résultat principal est l'identification d'un ensemble de marqueurs objectifs prédictifs qui peuvent classer un patient dépressif d'apparition récente comme bipolaire et unipolaire avec une grande précision (plus de 70 %). Ces caractéristiques établiront une modélisation prédictive multifactorielle des sous-types de dépression, avec des implications cliniques importantes.
Nous prévoyons d'atteindre ce résultat 24 mois après le début de l'étude

Mesures de résultats secondaires

Mesure des résultats
Description de la mesure
Délai
Validation du modèle de diagnostic différentiel
Délai: Nous prévoyons d'atteindre ce résultat dans le délai du projet, évalué jusqu'à 56 mois
Nous prévoyons de valider le modèle de diagnostic différentiel sur des échantillons indépendants et de fournir la technologie logicielle au groupe clinique partenaire.
Nous prévoyons d'atteindre ce résultat dans le délai du projet, évalué jusqu'à 56 mois

Collaborateurs et enquêteurs

C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.

Parrainer

Les enquêteurs

  • Chercheur principal: Irene Bollettini, PhD, IRCCS San Raffaele Institute

Dates d'enregistrement des études

Ces dates suivent la progression des dossiers d'étude et des soumissions de résultats sommaires à ClinicalTrials.gov. Les dossiers d'étude et les résultats rapportés sont examinés par la Bibliothèque nationale de médecine (NLM) pour s'assurer qu'ils répondent à des normes de contrôle de qualité spécifiques avant d'être publiés sur le site Web public.

Dates principales de l'étude

Début de l'étude (Réel)

14 juillet 2020

Achèvement primaire (Réel)

15 janvier 2022

Achèvement de l'étude (Anticipé)

14 février 2025

Dates d'inscription aux études

Première soumission

23 mars 2023

Première soumission répondant aux critères de contrôle qualité

5 avril 2023

Première publication (Réel)

6 avril 2023

Mises à jour des dossiers d'étude

Dernière mise à jour publiée (Réel)

6 avril 2023

Dernière mise à jour soumise répondant aux critères de contrôle qualité

5 avril 2023

Dernière vérification

1 avril 2023

Plus d'information

Termes liés à cette étude

Autres numéros d'identification d'étude

  • GR-2018-12367789

Plan pour les données individuelles des participants (IPD)

Prévoyez-vous de partager les données individuelles des participants (DPI) ?

INDÉCIS

Informations sur les médicaments et les dispositifs, documents d'étude

Étudie un produit pharmaceutique réglementé par la FDA américaine

Non

Étudie un produit d'appareil réglementé par la FDA américaine

Non

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 .

S'abonner