Intelligence artificielle pour la priorisation du contexte génétique dans le syndrome de Brugada (AI4Cardio)

Le syndrome de Brugada (BS) est un trouble électrique cardiaque héréditaire qui peut provoquer une syncope et un arrêt cardiaque soudain chez les jeunes individus asymptomatiques. On soupçonne qu'il contribue à 4 à 12 % des cas de mort cardiaque subite dans la population générale. Le diagnostic repose sur l'identification d'un tracé ECG de type I caractérisé par une élévation du segment ST avec une morphologie bombée dans les dérivations précordiales droites. La prévalence dans les pays occidentaux est estimée à 1 : 5 000. Actuellement, l'implantation d'un défibrillateur automatique (DCI) est la seule option de traitement, mais les lignes directrices sur la stratification des risques restent incomplètes, en particulier pour les personnes asymptomatiques.

La BS est héritée comme un trait autosomique dominant avec une pénétrance incomplète. Alors que 23 gènes ont été associés à la susceptibilité à la BS, 70 % des patients restent génétiquement non caractérisés, ce qui suggère un modèle de transmission plus complexe. La génétique n’a pas été intégrée dans les lignes directrices sur la stratification du risque, malgré les preuves liant certaines variantes génétiques à un risque arythmique plus élevé. Ce manque de connaissances souligne l'importance d'élargir notre compréhension de la génétique de la BS pour améliorer la sensibilité du diagnostic et la prise en charge des patients.

Ce protocole s'appuie sur les données préliminaires d'une étude accordée par le ministère italien de la Santé (GR-2016-02362316), dans laquelle le séquençage de nouvelle génération (NGS) a été utilisé pour étudier l'intégralité des régions codantes (Whole Exome Sequencing_WES) de 200 patients atteints de BS. . L'étude visait à identifier de nouveaux gènes candidats à la BS et à caractériser la base génétique de la maladie.

La cohorte a été sélectionnée sur la base de la présence d'un ECG de type I, confirmé soit spontanément, soit induit par la flécaïnide ou l'ajmaline. Les patients ont subi des évaluations cardiaques approfondies pour exclure d’autres conditions. Le suivi comprenait des évaluations annuelles et des évaluations plus fréquentes pour les patients présentant un risque plus élevé de tachycardie ventriculaire.

Un grand nombre de variantes génétiques ont été identifiées grâce à l’exploitation de WES, ce qui a incité à utiliser l’intelligence artificielle (IA) pour prioriser les données de séquençage. Les techniques d’IA, notamment les algorithmes avancés et l’apprentissage automatique, peuvent rationaliser l’identification des variations génétiques potentiellement pathogènes en filtrant les variantes courantes, en prédisant la pathogénicité et en intégrant les données cliniques.

Étant donné que plus de 70 % des patients atteints de BS restent génétiquement non diagnostiqués, les approches de séquençage à haut débit sont cruciales pour une compréhension globale de la génétique de la BS. Cette étude vise à contribuer à l'identification de nouveaux facteurs génétiques et à améliorer la stratification du risque pour les patients concernés. Toutes les données de séquençage de ce projet ont été générées et seront analysées à l'aide de l'IA, sans qu'aucun autre patient ne soit recruté ou séquencé.