Stades Intégratifs du Trouble Bipolaire : Incorporation de Biomarqueurs dans la Progression à Travers les Stades (BOARDING-PASS)

Rationnel Le trouble bipolaire (TB) est une condition hautement prévalente (environ 1 % dans la population générale) et invalidante, caractérisée par une évolution chronique et progressive. L'histoire naturelle du TB comprend typiquement une phase asymptomatique initiale, suivie d'un stade prodromique, puis de l'apparition d'un premier épisode syndromique (dépressif ou maniaque), qui est généralement suivi d'épisodes récurrents, souvent en l'absence d'une récupération inter-épisodique complète. Un nombre croissant de preuves soutient l'idée que l'évolution longitudinale du TB est associée à un processus actif de neuroprogression, caractérisé par des altérations cérébrales progressives et une altération fonctionnelle. Plusieurs facteurs cliniques peuvent influencer la trajectoire du trouble, notamment le nombre d'épisodes affectifs, la présence de comorbidités psychiatriques et médicales, l'exposition à des événements de vie stressants et des antécédents familiaux de troubles psychiatriques. Les études de neuroimagerie ont constamment soutenu l'hypothèse neuroprogressive dans le TB, démontrant des altérations cérébrales structurelles et fonctionnelles qui émergent progressivement à mesure que la maladie progresse. Des anomalies ont également été décrites au niveau des réseaux neuronaux à grande échelle. En particulier, le réseau du mode par défaut semble présenter des schémas altérés d'hyper- et d'hypo-connectivité avec les systèmes affectifs, fronto-pariétaux et attentionnels, impliquant des hubs clés responsables d'une communication cérébrale efficace à grande échelle. De plus, des altérations structurelles et fonctionnelles ont également été identifiées chez les proches non affectés de patients atteints de TB. Les études portant sur des biomarqueurs supplémentaires dans le TB ont fourni des preuves supplémentaires soutenant une progression liée au stade du trouble, en particulier concernant le facteur neurotrophique dérivé du cerveau (BDNF) et les cytokines inflammatoires. Dans l'ensemble, les progrès récents dans le domaine de la stadification clinique du TB, ainsi que les avancées dans l'identification de marqueurs biologiques (par exemple, la modulation de la transcription génique, la signalisation neurotrophique, les voies immuno-inflammatoires, le microbiote) et la neuroimagerie (structure et fonction des systèmes cérébraux à grande échelle), fournissent une justification solide pour le développement d'un modèle de stadification multidimensionnel. Un tel modèle intégrerait les données cliniques et neurobiologiques, permettant une plus grande précision diagnostique, pronostique et thérapeutique.

Objectifs spécifiques et conception expérimentale

L'étude BOARDING PASS a les objectifs suivants :

1. évaluer longitudinalement la progression clinique du TB sur une période de 18 mois en utilisant le modèle de stadification de Kupka & Hillegers ;
2. étudier le rôle des marqueurs biologiques et de neuroimagerie dans les transitions de stade du TB (c'est-à-dire la régulation de la transcription génique, l'inflammation, les mesures microbiotes, les mesures de neuroimagerie structurelle et fonctionnelle) ;
3. implémenter un modèle d'apprentissage automatique prédictif basé sur l'intégration des données cliniques, biologiques et de neuroimagerie, afin de fournir une prédiction individualisée et basée sur les données des transitions de stade du TB.

L'étude implique le recrutement consécutif de 120 sujets inscrits dans trois des quatre centres participants : UO1 (ASST Fatebenefratelli-Sacco, Milan), UO2 (ASST Papa Giovanni XXIII, Bergamo) et UO3 (ASL 2 Abruzzo, Lanciano-Vasto-Chieti). Les critères d'inclusion et d'exclusion sont détaillés ci-dessous.

Critères d'inclusion :

1. Sujets affectés et non affectés par le TB dont le stade clinique se situe dans ceux définis par le modèle de Kupka et Hillegers, à savoir :

   stade 0 (risque accru : avoir un parent au premier degré atteint de TB, en l'absence de symptômes psychiatriques) ; stade 1 (avoir un parent au premier degré atteint de TB, en présence de symptômes psychiatriques non spécifiques ou d'épisode(s) dépressif(s)) ; stade 2 (premier épisode hypo/maniaque permettant un diagnostic de TB de type I ou II selon le DSM-5 ; APA, 2013) ; stade 3 (épisode(s) récurrent(s) : dépressif, hypo/maniaque ou mixte) ; stade 4 (trouble persistant non rémittent : épisodes dépressifs, maniaques ou mixtes chroniques, incluant le cyclage rapide) ;

2. Individus des deux sexes ;
3. Âge ≥ 18 ans et ≤ 70 ans ;
4. Capacité à fournir un consentement éclairé écrit valide.

Critères d'exclusion :

1. Incapacité à fournir un consentement éclairé écrit valide ;
2. Présence d'une déficience intellectuelle ;
3. Présence d'une condition médicale concomitante sévère ;

4. Présence d'un trouble actuel lié à l'utilisation de substances. Après avoir fourni un consentement éclairé écrit pour participer, les sujets inscrits subiront une évaluation de base (T0) puis entreront dans une période de suivi de 18 mois comprenant trois points temporels ultérieurs : T1 (6 mois après T0), T2 (12 mois après T0) et T3 (18 mois après T0). À T0 et à chaque point temporel ultérieur, l'évaluation des participants inclura : (i) une évaluation clinique et psychométrique ; exclusivement à T0, T2 et T3, (ii) une évaluation des marqueurs biologiques ; et (iii) une imagerie par résonance magnétique cérébrale pour l'acquisition de données d'IRM structurelles et fonctionnelles.

   Évaluation clinique et psychométrique

   À la ligne de base (T0), pour chaque participant à l'étude, les principales variables sociodémographiques et cliniques seront collectées et saisies dans une base de données anonymisée. Celles-ci incluent :

   (a) données sociodémographiques : âge, sexe, ethnicité, niveau d'éducation, état civil et statut professionnel ; (b) caractéristiques cliniques : antécédents familiaux de troubles psychiatriques, sous-type de TB, âge d'apparition du TB et événements de vie stressants associés, durée de la maladie, durée de la maladie non traitée, âge au premier épisode dépressif et hypo/maniaque, polarité du premier et du plus récent épisode affectif, polarité prédominante, nombre total d'épisodes affectifs sur la vie, présence de caractéristiques mixtes ou de cyclage rapide, traitements psychopharmacologiques actuels et antérieurs, comorbidités médicales et psychiatriques, antécédents de trouble lié à l'utilisation de substances, nombre d'hospitalisations sur la vie et tentatives de suicide.

   Ces variables seront utilisées pour attribuer le stade clinique à T0 selon le modèle de Kupka et Hillegers (Kupka & Hillegers, 2012). À chaque point temporel ultérieur, les données sociodémographiques et cliniques seront mises à jour afin de réattribuer le stade correspondant et d'évaluer les associations potentielles entre les variables cliniques et la probabilité de progression vers des stades plus avancés de la maladie.

   L'évaluation clinique inclura en outre l'administration des échelles et questionnaires psychométriques suivants : le Test di Intelligenza Breve (TIB ; Sartori, 1997 ; Colombo, 2002), temps d'administration environ 5 minutes ; l'échelle d'évaluation de la dépression de Hamilton (HDRS-21 ; Hamilton, 1960 ; Cassano et al., 1991), temps d'administration environ 20 minutes ; l'échelle d'évaluation de l'anxiété de Hamilton (HARS ; Hamilton, 1959 ; Cassano et al., 1991), temps d'administration environ 15 minutes ; l'échelle d'évaluation de la dépression de Montgomery-Åsberg (MADRS ; Montgomery & Åsberg, 1979 ; Palma et al., 1999), temps d'administration environ 15 minutes ; l'échelle d'évaluation de la manie de Young (YMRS ; Young et al., 1978 ; Palma et al., 1999), temps d'administration environ 15 minutes ; et l'évaluation globale du fonctionnement (GAF ; Hall, 1995 ; APA, 1996), temps d'administration environ 2 minutes ; l'entretien familial pour les études génétiques (FIGS) ; le test de dépistage de l'abus de drogues (DAST-10), temps d'administration estimé à près de 5 minutes. Le test TWEAK avec un temps de réalisation d'environ 2 minutes. Le questionnaire sur les traumatismes de l'enfance (CTQ), il nécessite 5-10 minutes et sera administré à la ligne de base. L'échelle de Paykel pour les événements de vie récents, son administration prend environ 15 minutes et sera réalisée à la ligne de base ; l'échelle d'évaluation du clinicien (CRS), enregistrée en près de 2 minutes à chaque point temporel et visant à évaluer l'adhésion des patients au traitement pharmacologique.

   Évaluation des marqueurs biologiques : Régulation de la transcription génique, inflammation, données du microbiome

   Des échantillons biologiques pour les analyses d'expression génique, d'inflammation et de microbiome seront collectés à la ligne de base, T2 et T3. Plus précisément :

   1. des échantillons de salive non stimulés - c'est-à-dire de la salive totale collectée dans des conditions de repos sans stimulation gustative, masticatoire ou pharmacologique - seront obtenus à l'aide d'écouvillons buccaux en coton (Salivette, Sarstedt, Nümbrecht, Allemagne) et stockés à -20 °C jusqu'à l'extraction de l'ADN génomique (gDNA). Les exosomes seront également isolés de la salive et les miRNAs purifiés à l'aide d'un kit d'isolement d'ARN d'exosomes.

   2. des échantillons de sang veineux périphérique seront collectés dans deux tubes vacutainer de 5 ml contenant du citrate de sodium. Le sérum et les composants cellulaires seront séparés et l'ARN total ainsi que le gDNA seront extraits des PBMC.

      Tous les échantillons biologiques collectés dans les trois sites de recrutement (Unités 1, 2 et 3) seront transférés au laboratoire central (Unité 4) pour un traitement et des analyses standardisés, incluant :

      - LIPIDOMIQUE pour analyser les acides gras à chaîne courte (SCFA) extraits de la salive, une dérivatisation pour l'analyse LC-MS/MS sera réalisée.

      Études de biologie moléculaire :

      - analyse de l'expression génique. L'abondance relative des espèces d'ARNm dans les PBMC sera évaluée par RT-PCR en temps réel et PCR numérique.

      - méthylation de l'ADN dans les cellules sanguines et salivaires a. le statut général de méthylation de l'ADN sera analysé en utilisant la méthode de séquençage bisulfite à représentation réduite (RRBS) (séquençage SBS de la plateforme SURFseq5000) ; b. l'étude de méthylation de l'ADN spécifique au gène sera réalisée sur de l'ADN traité au bisulfite (BS) amplifié et les niveaux de méthylation analysés en utilisant PyroMark Q48 (64).

      - miRNAs exosomiaux salivaires : analyse du miRNOme et miRNAs sélectionnés après analyse de réseau par PCR en temps réel et PCR numérique.

      • Fixation de facteurs transcriptionnels à l'ADN. Technique d'essai ALPHAScreen™ pour vérifier si les éléments de reconnaissance identifiés au promoteur des gènes se lient à différents facteurs transcriptionnels et si cette liaison est directement modulée par le degré de méthylation des motifs CpG.
      • COMPOSITION DU MICROBIOTE SALIVAIRE par séquençage du microbiome de l'ARNr 16S.

      Évaluation de neuroimagerie

      Les évaluations IRM seront réalisées à l'aide d'appareils 3T à T0, T2 et T3, et comprennent :

      - IRM structurelle (sMRI) : des images pondérées en T1 3D seront acquises en utilisant une séquence SPGR (TE = minimum (plein) ; angle de bascule, 6° ; FOV, 250 mm ; bande passante, 31,25 ; matrice, 256 x 256) avec 124 coupes axiales de 1,3 mm d'épaisseur. Suite à la reconstruction de la surface corticale, des indices de gyrification locaux seront calculés pour 68 régions corticales parcellisées basées sur l'atlas de Desikan en utilisant FreeSurfer v7.1.0. Une procédure d'estimation de biais jackknife sera ensuite appliquée pour déterminer la contribution de chaque individu à la structure de covariance au niveau du groupe, générant une matrice de distance individuelle 68×68. L'organisation topologique des réseaux de covariance structurelle résultants sera ensuite analysée en utilisant la boîte à outils d'analyse de graphes.

      - IRM fonctionnelle au repos : les images rs-fMRI seront acquises en utilisant une séquence EPI en écho de gradient avec 36 coupes axiales (TE = 30 ms ; TR = 2000 ms ; taille de voxel : 3×3×4 mm3 ; taille de matrice : 64×64 ; FOV : 192×192 mm2) ; acquises dans un ordre entrelacé. Chaque session au repos consistera en 400 volumes. Le prétraitement sera réalisé en utilisant une combinaison de la bibliothèque logicielle FMRIB (FSL) et de scripts MATLAB personnalisés. Le pipeline comprendra les étapes suivantes : (1) réorientation vers l'espace standard ; (2) détection des volumes aberrants, suivie d'une interpolation par spline des points temporels aberrants ; (3) prétraitement spatial et temporel, incluant la correction du mouvement (MCFLIRT), le filtrage passe-haut temporel et le lissage spatial (FWHM = 5 mm) ; (4) extraction du cerveau de l'image structurelle ; (5) enregistrement non linéaire vers l'espace standard MNI152 en utilisant FSL-FNIRT. Les connectomes fonctionnels statiques et dynamiques seront estimés en calculant les coefficients de corrélation de Pearson transformés en z entre toutes les paires de régions cérébrales dans le schéma de parcellation adopté. La connectivité dynamique sera calculée en utilisant une approche par fenêtre glissante avec une longueur de fenêtre de 30 TRs et un pas de 2 TRs. Ces étapes seront implémentées via un logiciel interne développé en MATLAB. Les mesures de théorie des graphes seront calculées via la boîte à outils de connectivité cérébrale (MATLAB).

      Pour minimiser la variabilité inter-site dans les données de neuroimagerie, les acquisitions IRM structurelles et fonctionnelles seront réalisées en utilisant des protocoles harmonisés dans les deux centres d'imagerie, chacun équipé d'un appareil 3 T. Algorithmes d'apprentissage automatique Un cadre d'apprentissage automatique sera développé pour prédire les transitions de stade clinique dans le TB en intégrant les données cliniques, biologiques et de neuroimagerie collectées. Pour gérer l'intégration des données multimodales, nous adopterons des pipelines de prétraitement robustes incluant la normalisation des données, la détection des valeurs aberrantes et des méthodes d'imputation pour gérer les valeurs manquantes (par exemple, k-plus proches voisins ou imputation multiple). Les analyses d'apprentissage automatique débuteront au mois 6 de l'étude et seront réalisées en utilisant la boîte à outils Statistics and Machine Learning de MATLAB, initialement soutenues par le logiciel NeuroMiner (http://proniapredictors.eu/neurominer/index.html), une plateforme logicielle validée conçue pour gérer des ensembles de données hétérogènes. NeuroMiner fournit un large éventail de cadres de validation croisée, de stratégies de prétraitement, d'algorithmes d'apprentissage supervisé, d'outils de sélection de caractéristiques et de méthodes de validation externe. L'approche d'apprentissage automatique sera basée sur des classificateurs supervisés, principalement la machine à vecteurs de support (SVM) et les modèles bayésiens. Dans la phase préliminaire, les classificateurs seront entraînés et testés sur des ensembles de données préliminaires pour comparer des modèles prédictifs alternatifs dans un cadre contrôlé et identifier la configuration algorithmique la plus performante. Par la suite, des procédures de sélection de caractéristiques seront employées pour identifier les variables les plus discriminantes parmi l'ensemble des caractéristiques candidates. Cette étape est cruciale pour améliorer l'interprétabilité du modèle et prévenir le surapprentissage, en particulier dans les ensembles de données de petite taille et à haute dimension typiques des études multimodales. En effet, en réduisant le nombre de variables d'entrée, la sélection de caractéristiques minimise le bruit, réduit la complexité du modèle et améliore la généralisabilité des prédictions de l'apprentissage automatique. Si nécessaire (c'est-à-dire si la dimensionnalité de l'espace des caractéristiques est encore trop élevée), pour réduire davantage le surapprentissage et la charge de calcul, une analyse en composantes principales pourrait être appliquée. Les classificateurs SVM seront prioritaires en raison de leur robustesse dans la gestion de données de petite taille et à haute dimension. De plus, une pondération des classes sera appliquée de sorte que les erreurs sur les stades minoritaires soient pénalisées plus lourdement, réduisant le biais introduit par des tailles de groupe inégales. La performance du modèle sera évaluée en utilisant des techniques de validation croisée (par exemple, leave-one-out ou k-fold stratifié, selon la structure des données et la distribution des classes) et évaluée en termes de sensibilité, spécificité, score F1 et précision globale, afin de tenir compte du déséquilibre potentiel des classes. Une précision minimale cible prédéfinie de 90 % est requise pour le déploiement du modèle sur l'ensemble complet des données. Sites d'étude et structure organisationnelle L'étude BOARDING-PASS sera menée dans quatre unités opérationnelles (UOs), chacune avec des rôles définis pour garantir une acquisition de données de haute qualité et des procédures cliniques standardisées.

      - UO1 (ASST Fatebenefratelli-Sacco, Milan) est le centre coordinateur, responsable du recrutement des patients et des évaluations diagnostiques de base, de la collecte standardisée des données cliniques et biologiques. Les investigateurs de l'UO1 assureront la coordination et la supervision au sein du réseau de recherche multicentrique, maintenant une communication efficace entre cliniciens, chercheurs et personnel technique.

      • UO2 (ASST Papa Giovanni XXIII, Bergamo) est responsable du recrutement des participants, de l'évaluation diagnostique, de la collecte d'échantillons biologiques, de l'acquisition de données d'IRM structurelles et au repos également pour le compte de l'UO1, et de l'analyse de neuroimagerie structurelle.
      • UO3 (ASL 2 Lanciano-Vasto-Chieti) mènera le recrutement et l'évaluation des participants, la collecte et la gestion des données, la collecte d'échantillons biologiques, ainsi que l'acquisition de données de neuroimagerie structurelles et fonctionnelles.
      • UO4 (Université de Teramo) sert d'installation centralisée responsable des analyses biologiques, spécifiquement la régulation de la transcription génique et les analyses du microbiome. L'UO4 est également responsable de l'analyse des données de neuroimagerie fonctionnelle et de l'implémentation des algorithmes d'apprentissage automatique.