La signature de la maladie d'Alzheimer dans le déclin cognitif subjectif (SIGN-AL)

1. INTRODUCTION La recherche et la pratique clinique sur la maladie d'Alzheimer (MA) sont à un tournant. Alors que les thérapies modifiant l'évolution de la maladie (DMTs) pour la MA deviennent disponibles, les neurologues, les chercheurs et les services de santé feront face à une demande prévisible et croissante d'évaluations diagnostiques pour les patients atteints de troubles cognitifs. De plus, il existe un consensus selon lequel les DMTs devraient être administrées aux stades les plus précoces de la maladie pour arrêter le processus pathologique avant que la neurodégénérescence ne commence. Pour cette raison, la recherche internationale se concentre sur le déclin cognitif subjectif (SCD) et les troubles cognitifs légers (MCI), considérés comme les premières manifestations de la MA et la population cible optimale pour les futures DMTs. Cependant, le MCI et le SCD sont tous deux des conditions très courantes et hétérogènes avec différentes trajectoires possibles et de nombreuses causes sous-jacentes potentielles. Les biomarqueurs actuellement reconnus pour la maladie (IRM cérébrale, neuroimagerie par TEP et biomarqueurs du liquide céphalo-rachidien [LCR]) sont très précis pour identifier les patients atteints de SCD et de MCI dus à la maladie d'Alzheimer, mais leur utilisation à grande échelle est extrêmement limitée en raison de leur coût élevé, de leur faible accessibilité et de leur caractère invasif.

   Pour cette raison, des études antérieures ont suggéré de prendre en compte les caractéristiques démographiques, cognitives et génétiques pour estimer le risque de démence. De plus, les biomarqueurs sanguins sont considérés comme des outils prometteurs pour permettre une évaluation au niveau des soins primaires. Cependant, aucune de ces évaluations ou outils seule ne peut garantir une précision suffisante pour être utilisée au niveau du dépistage.

2. OBJECTIF DE L'ÉTUDE

Nous visons à :

1. Évaluer la précision de biomarqueurs plus innovants et facilement accessibles aux stades les plus précoces du déclin cognitif dans la prédiction de la présence de la MA diagnostiquée biologiquement sur la base des biomarqueurs du LCR.
2. Clarifier l'utilité des techniques déjà étudiées dans ce contexte mais ayant produit des résultats contradictoires, telles que les scores neuropsychologiques et l'électroencéphalographie (EEG).
3. Explorer de nouvelles techniques d'analyse non encore appliquées à ce domaine, telles que l'analyse automatisée de l'enregistrement de la parole (analyse de la parole).
4. Évaluer la contribution des variants génétiques au risque de MA chez les patients atteints de SCD.
5. Combiner les caractéristiques et les données extraites de ces techniques en utilisant une approche d'apprentissage automatique pour développer un modèle prédictif de la MA chez les patients atteints de SCD.

3. CONCEPTION DE L'ÉTUDE Il s'agit d'une étude multicentrique, longitudinale, à faible intervention. Les patients seront recrutés à l'U.O.C. de Neurologie de l'IRCCS Policlinico San Donato (ci-après dénommée UO1) et au Centre de Recherche et d'Innovation en Démence (CRIDEM) de l'Azienda Ospedaliero-Universitaria Careggi à Florence, Italie (AOUC, ci-après dénommée UO2).

Tous les patients recrutés subiront :

1. une collecte approfondie des antécédents familiaux et cliniques ;
2. une évaluation neuropsychologique extensive, incluant l'enregistrement du langage, l'estimation de la réserve cognitive, l'évaluation de la dépression et des traits de personnalité ;
3. un enregistrement EEG à l'état de repos ;
4. l'analyse des biomarqueurs sanguins suivants : Aβ42, Aβ40, p-tau181, p-tau217, t-tau, NfL et GFAP ;
5. l'analyse des gènes suivants : PSEN1, PSEN2, APOE, TREM2, ABCA7, BDNF, HTT ;
6. l'analyse des biomarqueurs dans le liquide céphalo-rachidien (LCR) : Aβ42, Aβ40, p-tau et t-tau.

3.1. POPULATION DE L'ÉTUDE.

Les patients répondant aux critères suivants seront recrutés :

1. Âge ≥18 ans
2. Diagnostic clinique de SCD selon les critères SCD-I4 ;
3. Score au Mini-Mental State Examination (MMSE) supérieur à 24, ajusté pour l'âge et le niveau d'éducation ;
4. Fonctionnalité normale sur les échelles d'Activités de la Vie Quotidienne (ADL) et d'Activités Instrumentales de la Vie Quotidienne (IADL).

Patients avec :

a. Antécédents de traumatisme crânien ; b. Maladie neurologique et/ou systémique en cours ; c. Symptômes de psychose, de dépression majeure ou de trouble lié à l'usage de substances.

4. PROCÉDURE DE L'ÉTUDE 4.1. ÉVALUATION NEUROPSYCHOLOGIQUE, ÉVALUATION DE LA DÉPRESSION ET ESTIMATION DE LA RÉSERVE COGNITIVE L'examen neuropsychologique approfondi sera réalisé à la ligne de base (inclusion) et au suivi (après deux ans) à l'IRCCS Policlinico San Donato (pour les patients recrutés à l'UO1) et à l'AOU Careggi (pour les patients recrutés à l'UO2) et comprendra : des mesures cognitives globales (Mini Mental State Examination) ; des tâches explorant la mémoire à court et à long terme verbale et spatiale, l'attention, le langage, la praxie constructive et la fonction exécutive ; la perception subjective des déficits de mémoire comme décrit par Mazzeo et al. ; des indicateurs de réserve cognitive tels que l'intelligence prémorbide et les activités récréatives ; les symptômes dépressifs ; l'indice d'indépendance dans les activités de la vie quotidienne ; les traits de personnalité.

4.2. ENREGISTREMENT ET PRÉ-TRAITEMENT DU LANGAGE L'enregistrement du langage aura lieu pendant la tâche de description d'images du Screening for Aphasia in Neurodegeneration (SAND). Dans un environnement silencieux et contrôlé, il sera demandé aux patients de décrire l'"Image de l'Été" suivant une procédure standardisée. L'enregistrement vocal sera réalisé avec un système dédié, avec une fréquence d'échantillonnage de 44 100 Hz, normalisé pour atteindre un pic de -1 dB, et réduit à 48 kHz. L'algorithme de détection d'activité vocale (VAD) webRTC sera utilisé pour extraire les segments audio.

4.3. ENREGISTREMENT EEG, PRÉ-TRAITEMENT ET EXTRACTION DES CARACTÉRISTIQUES Les données EEG au repos seront collectées à l'IRCCS Policlinico San Donato (pour les patients recrutés à l'UO1) et à l'AOU Careggi (Florence, Italie) (pour les patients recrutés à l'UO2). Le système standard à 21 canaux sera utilisé. L'enregistrement EEG commencera par 10 minutes les yeux fermés, suivi d'une alternance de 3 minutes les yeux ouverts et 3 minutes les yeux fermés, répétée deux fois. Seuls les segments les yeux fermés seront utilisés pour l'analyse.

4.4. COLLECTE, MANIPULATION ET STOCKAGE DES ÉCHANTILLONS BIOLOGIQUES Des échantillons sanguins seront prélevés par ponction veineuse dans des tubes en polypropylène standard avec EDTA (Sarstedt, Nümbrecht, Allemagne) à l'Unité de Neurologie du Policlinique San Donato et à l'Unité de Neurologie de l'Hôpital Universitaire de Careggi. Comme pour la routine clinique des patients présentant un déclin cognitif, après obtention du consentement éclairé pour la rachicentèse, des échantillons de LCR seront prélevés à 8 heures par ponction lombaire à l'Unité de Neurologie du Policlinico San Donato et à l'Unité de Neurologie de l'Hôpital Universitaire de Careggi. Les échantillons seront immédiatement centrifugés et stockés à -80°C jusqu'à l'analyse. Les échantillons sanguins seront prélevés à deux moments : au moment des premières évaluations cliniques (collecte de base) et deux ans après la première collecte (collecte de suivi).

Les échantillons biologiques des patients recrutés à l'UO1 et les données associées collectées pour l'étude seront transférés à la biobanque BioCor de l'IRCCS Policlinico San Donato pour traitement et stockage ultérieur. Les échantillons seront stockés à la biobanque BioCor jusqu'à 25 ans.

Les échantillons biologiques des patients recrutés à l'UO2 et les données associées collectées pour l'étude seront transférés au laboratoire de Neurogénétique de l'AOUC pour traitement et stockage ultérieur. Ils seront centrifugés dans les deux heures à 1300 rcf à 4°C pendant 10 minutes, et le plasma sera isolé et stocké à -80°C jusqu'à l'analyse.

4.5. ANALYSE DES BIOMARQUEURS SANGUINS L'analyse des biomarqueurs plasmatiques sera réalisée sur les échantillons prélevés à la ligne de base et les échantillons de suivi à deux ans au Laboratoire de Neurogénétique de l'AOU Careggi en utilisant le kit Simoa pour échantillons humains fourni par Quanterix Corporation (Lexington, MA, USA) sur la plateforme automatisée Simoa SR-X (GBIO, Hangzhou, Chine), suivant les instructions du fabricant. Les concentrations des biomarqueurs plasmatiques de tous les échantillons seront mesurées en une seule série. Des contrôles de qualité seront inclus dans l'analyse et testés avec les échantillons. Une courbe d'étalonnage sera déterminée par des mesures de calibrateur dilué en série fournies par Quanterix.

4.6. ANALYSE DES BIOMARQUEURS DU LCR Les concentrations d'Aβ42, d'Aβ40, de t-tau et de p-tau seront mesurées au Laboratoire de Neurogénétique de l'AOUC en utilisant un analyseur d'immunodosage enzymatique chimiluminescent (CLEIA) LUMIPULSE G600 (Fujirebio, Tokyo, Japon). Les valeurs seuils pour le LCR seront déterminées suivant les directives fournies par Fujirebio.

4.7. ANALYSE GÉNÉTIQUE Les analyses génétiques seront réalisées au Laboratoire de Neurogénétique de l'AOUC.

Une méthode automatisée standard (QIAcube, QIAGEN) sera utilisée pour isoler l'ADN des échantillons sanguins. Les gènes sélectionnés seront analysés comme suit :

• APP, PSEN1, PSEN2 : Tous les exons codants et les limites intron/exon seront amplifiés par réaction en chaîne par polymérase (PCR) en utilisant des amorces conçues avec le logiciel Primer3.
• Génotypes APOE : Les génotypes APOE seront étudiés par HRMA. Des échantillons avec des génotypes APOE connus validés par séquençage d'ADN seront utilisés comme références standard.

• Expansions de répétitions CAG dans HTT : Elles seront déterminées par test d'amplification par réaction en chaîne par polymérase, en utilisant des amorces marquées par fluorescence. La taille des fragments sera déterminée par électrophorèse capillaire en utilisant le "SeqStudio Genetic Analyzer" (ThermoFisher) et le logiciel GeneMapper version 4.0 (Applied Biosystems). Un ensemble d'allèles CAG de HTT, dont les longueurs seront confirmées par séquençage d'ADN, sera utilisé comme étalon de taille.

  5. ANALYSE DES DONNÉES

L'analyse des données consistera en les étapes suivantes :

1. Analyse statistique descriptive
2. Entraînement et test du modèle d'apprentissage automatique

5.1. ANALYSE STATISTIQUE DESCRIPTIVE La distribution des variables sera évaluée à l'aide du test de Shapiro-Wilk. Les groupes de patients seront caractérisés en utilisant la moyenne et l'écart-type, les médianes et les intervalles interquartiles (IQRs), les fréquences ou pourcentages, et les intervalles de confiance à 95% pour les variables continues, les variables continues non normalement distribuées et les variables catégorielles, respectivement. Selon la distribution des données, nous utiliserons des tests ANOVA ou non paramétriques de Kruskal-Wallis pour les comparaisons intergroupes, et le coefficient de corrélation de Pearson ou de Spearman pour évaluer les corrélations entre les mesures numériques. Des tests du chi-carré seront utilisés pour comparer les données catégorielles. Les tailles d'effet seront calculées en utilisant le d de Cohen pour les mesures numériques normalement distribuées, η² pour le test U de Mann-Whitney, et le test V de Cramer pour les données catégorielles.

5.2. ENTRAÎNEMENT ET TEST DU MODÈLE D'APPRENTISSAGE AUTOMATIQUE Nous définirons un ensemble de caractéristiques multimodales incluant les scores neuropsychologiques, les indicateurs de réserve cognitive, les traits de personnalité, les caractéristiques EEG, les biomarqueurs plasmatiques et les variants génétiques. Une métrique commune sera définie sur la base de la dispersion de chaque dimension de profil, puis nous entraînerons un algorithme d'apprentissage automatique pour associer chaque "vecteur" de profil aux profils de biomarqueurs. Initialement, nous effectuerons cette classification en utilisant des procédures standard d'apprentissage automatique. Dans un ensemble d'analyses séparé, nous suivrons une approche d'apprentissage profond en entraînant un réseau de neurones artificiels (ANN) feedforward multi-niveaux pour prédire les profils de biomarqueurs du LCR des patients. Le modèle avec les meilleures performances (évaluées par les AUC des courbes ROC) sera testé sur l'ensemble de test pour obtenir une estimation non biaisée de la performance du modèle.

6. TAILLE D'ÉCHANTILLON En supposant une valeur d'AUC d'échantillon de 0,8, la méthode de calcul de l'erreur standard proposée par Hanley et McNeil (1982) permettra de déterminer les limites de l'intervalle de confiance, avec 40 patients dans le groupe avec la maladie d'Alzheimer (20%) et 160 dans le groupe sans (80%, pourcentages estimés à partir des données d'études antérieures menées à l'AOU Careggi15), d'une largeur de 0,173 (0,713-0,887). Toutes choses étant égales par ailleurs, en supposant une AUC de 0,9, l'intervalle de confiance sera de 0,131 (0,834-0,966). En considérant un taux d'abandon de 20%, l'échantillon de sujets à recruter s'élève à 250.