Ezt az oldalt automatikusan lefordították, és a fordítás pontossága nem garantált. Kérjük, olvassa el a angol verzió forrásszöveghez.

GENOMED4ALL: MDS osztályozás és prognózis javítása mesterséges intelligencia által

2022. szeptember 6. frissítette: Istituto Clinico Humanitas

Genomikus és személyre szabott orvoslás mindenkinek (GENOMED4ALL): A mesterséges intelligencia alkalmazása a mielodiszpláziás szindróma betegségosztályozásának és prognózisának javítására.

A myelodysplasiás szindrómák (MDS) jellemzően idős embereknél fordulnak elő. A jelenlegi betegségek osztályozási rendszere és prognosztikai pontszámai (International Prognostic Scoring System, IPSS) korlátokat jelentenek, és a legtöbb esetben nem képesek megbízható prognosztikai információkat rögzíteni egyéni szinten. Az MDS-vizsgálatot gyorsan átalakította a genom jellemzése, és egyre több bizonyíték áll rendelkezésre arra vonatkozóan, hogy a mutációs szűrés jelentős információkat adhat a jelenleg elérhető prognosztikai pontszámokhoz. A projekt célja mesterséges intelligencia (AI) alapú megoldások kifejlesztése az MDS osztályozás és prognózis javítása érdekében, személyre szabott orvoslási megközelítés megvalósításán keresztül. A Ritka Hematológiai Betegségek Európai Referencia Hálózatával (ERN-EuroBloodNet, FPA 739541) szorosan együttműködve a GENOMED4ALL több klinikai partnert is bevon a hálózatból, miközben az összegyűjtött egészségügyi információkat és adattárakat az ERN-EuroBloodNet által támogatott interoperabilitási szabványok beépítésével végzi. központi nyilvántartás, az Európai Ritka Vérbetegségek Platformja (ENROL, GA 947670).

A tanulmány áttekintése

Állapot

Aktív, nem toborzó

Részletes leírás

A myelodysplasiás szindrómák (MDS) jellemzően idős embereknél fordulnak elő. A betegek perifériás vérben citopéniát mutatnak, és idővel ezen alanyok egy része akut myeloid leukémiává (AML) fejlődik. Az MDS természetes története heterogén, a csaknem normális várható élettartammal járó állapotoktól az AML-hez közeli formákig terjed, ezért a kockázathoz igazított kezelési stratégia kötelező. A jelenlegi prognosztikai pontszámok (Revised International Prognostic Scoring System, IPSS-R) korlátokat jelentenek, és a legtöbb esetben nem rögzítenek megbízható prognosztikai információkat egyéni szinten.

Az MDS tanulmányozását a genom jellemzése gyorsan átalakította. A szomatikus mutációk a hematopoietikus őssejtek genomjában alacsony, de kimutatható gyakorisággal fordulnak elő normál DNS-replikáció során. Minden olyan genetikai változás, amely szelektív előnyt okoz más önmegújuló sejtekhez képest, klonális dominanciához vezet (klonális hematopoiesis, CH). A CH következménye a genom instabilitása, ami növeli a további mutációk megszerzésének, valamint MDS, szolid rák és egyéb betegségek kialakulásának kockázatát. Az egyes mutációk időpontja és helye, valamint a betegség lefolyása alatti klonális megjelenése központi kérdés az MDS patogenezisének és fenotípusának jobb megértése, valamint a rákmegelőzési stratégiák kidolgozása szempontjából.

Fontos lépések történtek az MDS molekuláris architektúrájának meghatározása terén. Az 5q delécióhoz kapcsolódó MDS az RPS14 gén haploinsufficienciájából származik. A spliceoszóma komponenseket kódoló géneket az MDS-ben szenvedő alanyok nagy részében azonosították. Szoros kapcsolat van a gyűrűs sideroblasztok és az SF3B1 mutációk között, ami összhangban van az ok-okozati összefüggéssel. Emellett egyre több génről derült ki, hogy MDS-ben ismétlődő mutációkat hordoz, amelyek részt vesznek a DNS-metilációban (DNMT3A, TET2, IDH1/2), a kromatin módosításában (EZH2, ASXL1), a transzkripciós szabályozásban (RUNX1), a jelátvitelben (KRAS). , CBL).

A génmutációkról beszámoltak arról, hogy befolyásolják a túlélést és a betegség progressziójának kockázatát MDS-ben, és a mutációs státusz értékelése jelentős információkat adhat a jelenleg használt prognosztikai pontszámokhoz. Például azt találtuk, hogy az SF3B1 mutációk független előrejelzői a kedvező prognózisnak, míg az ASXL1, SRSF2, RUNX1, TP53 és EZH2 gének vezetőmutációi csökkent túlélési valószínűséggel jártak együtt. A gyűrűs sideroblasztokkal rendelkező MDS a legjobb bizonyíték arra, hogy a kezdeti klónért felelős mutáns gén azonosítása releváns a klinikai kimenetel szempontjából. Valójában a gyűrűs sideroblasztok nemcsak az SF3B1-ben alapmutációval rendelkező betegekben találhatók meg, hanem azokban is, akiknél az SRSF2-ben kezdő onkogén lézió van. Azonban a medián leukémiamentes túlélés >10 év az előbbinél, míg az utóbbinál <2 év.

Ezenkívül a mutációs szűrés befolyásolhatja a klinikai döntéshozatalt: a) 5q-t mutató MDS-ben a TP53 mutációt hordozó alanyok esetében nagyobb a leukémia progressziójának kockázata, és kisebb a lenalidomidra adott válasz valószínűsége; b) HSCT-t kapó betegekben a TP53 mutációk a relapszus nagy valószínűségét jósolják; c) Az SF3B1 mutációk a TGFb-gátlókra (luspatercept) adott eritroid válasz megnövekedett valószínűségével járnak, és d) A TET2 mutációk a HMA-ra adott válaszhoz kapcsolódnak.

E megállapítások ellenére óvatosságra van szükség az ilyen mutációs tesztek azonnali átvétele ellen a klinikai gyakorlatban. Először is, a mutációk jelenléte egy adott egyedben csak korlátozott előrejelző ereje van, mivel az MDS-be való átalakulás ritka, függetlenül a mutáció állapotától. Ezenkívül a nyilvánvaló MDS-ben szenvedő betegeknél a genetikai rendellenességek csak egy részét magyarázzák a specifikus kezelésekkel összefüggő túlélési kockázatoknak, ami azt jelenti, hogy nagy százalékban még mindig klinikai és nem mutációs tényezők állnak összefüggésben. A nagy betegpopuláció átfogó elemzése, valamint a gén-gén kölcsönhatások és a genoptípus-fenotípus összefüggések tanulmányozására szolgáló új módszerek indokoltak az egyes genomiális rendellenességek klinikai kimenetelre és a kezelésre adott válaszra gyakorolt ​​független hatásának helyes becslésére.

A már rendelkezésre álló, nagy mennyiségű szekvenált genomikai adat és klinikai információ kombinálásával a szerzők azt feltételezik, hogy a mesterséges intelligencia lehetővé teszi az MDS biológiájának és osztályozásának jobb megértését, javítja a jelenleg rendelkezésre álló eszközök prognosztikai/előrejelző képességét, és célzottabb módon alkalmazza a kezeléseket. a személyre szabott orvosi program végrehajtásának elősegítése EU-szerte.

Tanulmány típusa

Megfigyelő

Beiratkozás (Várható)

13284

Kapcsolatok és helyek

Ez a rész a vizsgálatot végzők elérhetőségeit, valamint a vizsgálat lefolytatásának helyére vonatkozó információkat tartalmazza.

Tanulmányi helyek

      • Milano, Olaszország
        • Istituto Clinico Humanitas

Részvételi kritériumok

A kutatók olyan embereket keresnek, akik megfelelnek egy bizonyos leírásnak, az úgynevezett jogosultsági kritériumoknak. Néhány példa ezekre a kritériumokra a személy általános egészségi állapota vagy a korábbi kezelések.

Jogosultsági kritériumok

Tanulmányozható életkorok

18 év és régebbi (Felnőtt, Idősebb felnőtt)

Egészséges önkénteseket fogad

Nem

Tanulmányozható nemek

Összes

Mintavételi módszer

Nem valószínűségi minta

Tanulmányi populáció

MDS-ben szenvedő betegek. 13284 beteg klinikai és genomikai információval rendelkezik

Leírás

Bevételi kritériumok:

  • A WHO kritériumai szerint MDS-ben szenvedő betegek 18 év felettiek
  • Klinikai és hematológiai információk rendelkezésre állása
  • A célzott mutációszűréssel kapcsolatos információk elérhetősége

Kizárási kritériumok:

  • a fentiek közül egyik sem

Tanulási terv

Ez a rész a vizsgálati terv részleteit tartalmazza, beleértve a vizsgálat megtervezését és a vizsgálat mérését.

Hogyan készül a tanulmány?

Tervezési részletek

Kohorszok és beavatkozások

Csoport / Kohorsz
GENOMED4ALL – MDS betegek
Információk a célzott mutációs szűrésről (NGS, beleértve 60 MDS-hez kapcsolódó gént) 13284 MDS-betegtől

Mit mér a tanulmány?

Elsődleges eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
Az MDS osztályozás javítása
Időkeret: a tanulmányok befejezéséig átlagosan 2 év
Az MDS osztályozásának javítása a klinikai és hematológiai információk és a genomikai jellemzők integrálásával. A probléma megoldása érdekében a statisztikai tanulás (Dirichlet-folyamatok (DP), Bayes-hálózatok (BN)) és a gépi tanulás (mélytanulási fizika-informált neurális hálózat, korlátozott regresszió és mély modellek) különböző módszereit hasonlítják össze, hogy meghatározzák a konkrét genotípust. fenotípus korrelációkat, és új betegségosztályozást kell kidolgozni.
a tanulmányok befejezéséig átlagosan 2 év
A teljes túlélés valószínűségének előrejelzése (hónapok a diagnózis és a halál vagy a követés vége között) MDS-ben szenvedő betegeknél
Időkeret: a tanulmányok befejezéséig átlagosan 2 év

A teljes túlélést (OS) a diagnózis és a halál (minden ok miatt) vagy a követés (cenzúrázott megfigyelések) vége között eltelt időként határozzuk meg (hónapokban kifejezve).

Új prognosztikai pontszámok kerülnek meghatározásra, beleértve a következő jellemzőket: életkor években kifejezve; nem (férfi vagy nő); neutrofilszám (neutrofilek száma*10^6/L), vérlemezkeszám (vérlemezkék száma 10^6/l), hemoglobinkoncentráció (g/dl), citogenetika (IPPS-R kritériumok szerint rétegezve, Blood 2012 120: 2454) -2465), a csontvelő-blasztok százalékos aránya és a génmutációk jelenléte (jelenlét versus hiány).

Különböző statisztikai módszereket fognak használni az előrejelzési pontosság mérésére (konkordancia-index, C-index segítségével): Cox proporcionális kockázati módszerek, véletlen túlélési erdők, neurális hálózatok, folyamatos individualizált kockázati index (CIRI), idősor elemzés és Markov-modellezés sztochasztikus számára. pályák előrejelzése

a tanulmányok befejezéséig átlagosan 2 év
A leukémiamentes túlélés valószínűségének előrejelzése (hónapok a diagnózistól az akut leukémiáig való progresszióig vagy a követés végéig) MDS-ben szenvedő betegeknél
Időkeret: a tanulmányok befejezéséig átlagosan 2 év

A leukémia a diagnózis és az akut leukémiává való progresszió vagy a követés vége közötti idő (hónapokban kifejezve).

Új prognosztikai pontszámok kerülnek meghatározásra, beleértve a következő jellemzőket: életkor években kifejezve; nem (férfi vagy nő); neutrofilszám (neutrofilek száma*10^6/L), vérlemezkeszám (vérlemezkék száma 10^6/l), hemoglobinkoncentráció (g/dl), citogenetika (IPPS-R kritériumok szerint rétegezve, Blood 2012 120: 2454) -2465), a csontvelő-blasztok százalékos aránya és a génmutációk jelenléte (jelenlét versus hiány).

Különböző statisztikai módszereket fognak használni az előrejelzési pontosság mérésére (konkordancia-index, C-index segítségével): Cox proporcionális kockázati módszerek, véletlen túlélési erdők, neurális hálózatok, folyamatos individualizált kockázati index (CIRI), idősor elemzés és Markov-modellezés sztochasztikus számára. pályák előrejelzése

a tanulmányok befejezéséig átlagosan 2 év

Együttműködők és nyomozók

Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.

Nyomozók

  • Kutatásvezető: Federico Alvarez, UNIVERSIDAD POLITECNICA DE MADRID SPAIN
  • Kutatásvezető: Lucia Comnes, DATAWIZARD SRL ITALY
  • Kutatásvezető: Mar Manu Pereira, FUNDACIO HOSPITAL UNIVERSITARI VALL D'HEBRON - INSTITUT DE RECERCA SPAIN
  • Kutatásvezető: Pierre Fenaux, ASSISTANCE PUBLIQUE HOPITAUX DE PARIS FRANCE
  • Kutatásvezető: Torsten Haferlach, MLL MUNCHNER LEUKAMIELABOR GMBH GERMANY
  • Kutatásvezető: Maria Diez Campelo, Instituto de investigacion biomedica de Salamanca, IBSAL SPAIN
  • Kutatásvezető: Uwe Platzbecker, UNIVERSITAET LEIPZIG GERMANY
  • Kutatásvezető: Gastone Castellani, ALMA MATER STUDIORUM - UNIVERSITA DI BOLOGNA ITALY
  • Kutatásvezető: Andres Krogh, KOBENHAVNS UNIVERSITET DENMARK
  • Kutatásvezető: Babita Singh, FUNDACIO CENTRE DE REGULACIO GENOMICA SPAIN
  • Kutatásvezető: Piero Fariselli, UNIVERSITA DEGLI STUDI DI TORINO ITALY
  • Kutatásvezető: Kostantinos Marias, IDRYMA TECHNOLOGIAS KAI EREVNAS GREECE
  • Kutatásvezető: Mar Mañu Pereira, European Reference Network on Rare Hematological Diseases (ERN-EuroBloodNet)

Publikációk és hasznos linkek

A vizsgálattal kapcsolatos információk beviteléért felelős személy önkéntesen bocsátja rendelkezésre ezeket a kiadványokat. Ezek bármiről szólhatnak, ami a tanulmányhoz kapcsolódik.

Általános kiadványok

Tanulmányi rekorddátumok

Ezek a dátumok nyomon követik a ClinicalTrials.gov webhelyre benyújtott vizsgálati rekordok és összefoglaló eredmények benyújtásának folyamatát. A vizsgálati feljegyzéseket és a jelentett eredményeket a Nemzeti Orvostudományi Könyvtár (NLM) felülvizsgálja, hogy megbizonyosodjon arról, hogy megfelelnek-e az adott minőség-ellenőrzési szabványoknak, mielőtt közzéteszik őket a nyilvános weboldalon.

Tanulmány főbb dátumok

Tanulmány kezdete (Tényleges)

2021. március 15.

Elsődleges befejezés (Várható)

2022. december 15.

A tanulmány befejezése (Várható)

2024. december 31.

Tanulmányi regisztráció dátumai

Először benyújtva

2021. május 5.

Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak

2021. május 12.

Első közzététel (Tényleges)

2021. május 17.

Tanulmányi rekordok frissítései

Utolsó frissítés közzétéve (Tényleges)

2022. szeptember 9.

Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak

2022. szeptember 6.

Utolsó ellenőrzés

2022. szeptember 1.

Több információ

A tanulmányhoz kapcsolódó kifejezések

Gyógyszer- és eszközinformációk, tanulmányi dokumentumok

Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz

Nem

Egy amerikai FDA által szabályozott eszközterméket tanulmányoz

Nem

Ezt az információt közvetlenül a clinicaltrials.gov webhelyről szereztük be, változtatás nélkül. Ha bármilyen kérése van vizsgálati adatainak módosítására, eltávolítására vagy frissítésére, kérjük, írjon a következő címre: register@clinicaltrials.gov. Amint a változás bevezetésre kerül a clinicaltrials.gov oldalon, ez a webhelyünkön is automatikusan frissül. .

Iratkozz fel