Az Alzheimer-kór jelei a szubjektív kognitív hanyatlásban (SIGN-AL)

1. BEVEZETÉS Az Alzheimer-kór (AD) kutatása és klinikai gyakorlata fordulópont előtt áll. Mivel az AD-re vonatkozó betegségmódosító terápiák (DMT) elérhetővé válnak, a neurológusok, kutatók és egészségügyi szolgáltatások egy kiszámítható, növekvő igénnyel szembesülnek a kognitív zavarokkal küzdő betegek diagnosztikai értékelésére. Ezen túlmenően konszenzus van arról, hogy a DMT-eket a betegség legkorábbi szakaszában kell alkalmazni, hogy megállítsák a betegségfolyamatot, mielőtt a neurodegeneráció elkezdődne. Emiatt a nemzetközi kutatás a szubjektív kognitív hanyatlás (SCD) és az enyhe kognitív zavar (MCI) felé irányul, amelyeket az AD legkorábbi megnyilvánulásainak és a jövőbeli DMT-ek optimális célpopulációjának tekintenek. Azonban mind az MCI, mind az SCD nagyon gyakori és heterogén állapotok, különböző lehetséges pályákkal és számos potenciális mögöttes okkal. A betegség jelenleg ismert biomarkerjei (agyi MRI, PET neuroképalkotás és cerebrospinális folyadék [CSF] biomarkerek) nagyon pontosak az SCD-vel és az Alzheimer-kór miatti MCI-vel küzdő betegek azonosításában, de nagymértékű alkalmazásuk rendkívül korlátozott a magas költség, a rossz hozzáférhetőség és az invazivitás miatt.

   Emiatt korábbi tanulmányok javasolták a demográfiai, kognitív és genetikai jellemzők figyelembevételét a demencia kockázatának becsléséhez. Ezen túlmenően a vér-alapú biomarkereket ígéretes eszközöknek tekintik az értékelés lehetővé tételére az elsődleges ellátás szintjén. Azonban egyik ilyen értékelés vagy eszköz sem garantálhat önmagában elegendő pontosságot a szűrési szinten való használathoz.

2. A TANULMÁNY CÉLJA

Célunk:

1. Értékelni az innovatívabb és könnyebben hozzáférhető biomarkerek pontosságát a kognitív hanyatlás legkorábbi szakaszában a CSF biomarkerek alapján biológiailag diagnosztizált AD jelenlétének előrejelzésében.
2. Megvilágítani az olyan technikák hasznosságát, amelyeket ebben a kontextusban már tanulmányoztak, de ellentmondásos eredményeket hoztak, mint például a neuropszichológiai pontszámok és az elektroenkefalográfia (EEG).
3. Felfedezni az ezen a területen még nem alkalmazott új elemzési technikákat, mint például a beszédfelvétel automatizált elemzése (beszédelemzés).
4. Értékelni a genetikai variánsok hozzájárulását az AD kockázatához SCD-s betegekben.
5. Összevonni az ezekből a technikákból kinyert jellemzőket és adatokat gépi tanulási megközelítéssel egy prediktív modell kifejlesztésére az AD-re vonatkozóan SCD-s betegekben.

3. TANULMÁNYTERV Ez egy multicentrikus, longitudinális, alacsony intervenciós tanulmány. A betegeket az IRCCS Policlinico San Donato Neurológiai Osztályáról (a továbbiakban UO1) és az Azienda Ospedaliero-Universitaria Careggi Demencia Kutatási és Innovációs Központjából (CRIDEM) Firenzében, Olaszországban (AOUC, a továbbiakban UO2) toborozzák.

Minden toborzott beteg átesik:

1. családi és klinikai anamnézis részletes gyűjtésén;
2. kiterjedt neuropszichológiai értékelésen, beleértve a nyelvi felvételt, a kognitív tartalék becslését, a depresszió és a személyiségjegyek értékelését;
3. nyugalmi állapotú EEG felvételen;
4. a következő vérbiomarkerek elemzésén: Aβ42, Aβ40, p-tau181, p-tau217, t-tau, NfL és GFAP;
5. a következő gének elemzésén: PSEN1, PSEN2, APOE, TREM2, ABCA7, BDNF, HTT;
6. biomarkerek elemzésén a cerebrospinális folyadékban (CSF): Aβ42, Aβ40, p-tau és t-tau.

3.1. TANULMÁNYPOPULÁCIÓ.

Azokat a betegeket toborozzák, akik megfelelnek a következő kritériumoknak:

1. Életkor ≥18 év
2. Klinikai diagnózis SCD szerint az SCD-I kritériumok4 alapján;
3. Mini-Mental State Examination (MMSE) pontszám 24-nél nagyobb, kor és iskolai végzettség szerint korrigálva;
4. Normális funkcionalitás a Mindennapi Élet Tevékenységei (ADL) és az Instrumentális Mindennapi Élet Tevékenységei (IADL) skálákon.

Betegek kizárása:

a. Fejsérülés előzménye; b. Folyamatban lévő neurológiai és/vagy szisztémás betegség; c. Pszichózis, súlyos depresszió vagy szerhasználati zavar tünetei.

4. TANULMÁNYELJÁRÁS 4.1. NEUROPSZICHOLÓGIAI ÉRTÉKELÉS, DEPRESSZIÓ ÉRTÉKELÉSE ÉS KOGNITÍV TARTALÉK BECSLÉSE A részletes neuropszichológiai vizsgálatot alapvonalon (beiratkozás) és követéskor (két év után) az IRCCS Policlinico San Donatónál (az UO1-ből beiratkozott betegeknél) és az AOU Caregginél (az UO2-nél beiratkozott betegeknél) végzik, és magában foglalja: globális kognitív méréseket (Mini Mental State Examination); feladatokat, amelyek a verbális és térbeli rövid- és hosszú távú memóriát, figyelmet, nyelvet, konstruktív praxist és végrehajtó funkciót vizsgálják; a memóriahiány szubjektív észlelését, ahogy Mazzeo és mtsai leírták; a kognitív tartalék mutatóit, mint az előzetes intelligencia és a rekreációs tevékenységek; depressziós tüneteket; a mindennapi élet tevékenységeiben való függetlenségi indexet; személyiségjegyeket.

4.2. NYELVI FELVÉTEL ÉS ELŐFELDOLGOZÁS A nyelvi felvétel a Screening for Aphasia in Neurodegeneration (SAND) kép-leírási feladat során történik. Egy csendes és kontrollált környezetben a betegeket egy standardizált eljárás szerint kérjük fel, hogy írják le a "Nyári kép"-et. Hangfelvételt dedikált rendszerrel készítenek, 44 100 Hz mintavételi frekvenciával, normalizálva -1 dB csúcsérték eléréséig, és 48 kHz-re redukálva. A Voice Activity Detection (VAD) webRTC algoritmust fogják használni az audi szegmensek kinyerésére.

4.3. EEG FELVÉTEL, ELŐFELDOLGOZÁS ÉS JELLEMZŐKINYERÉS Nyugalmi EEG adatokat gyűjtenek az IRCCS Policlinico San Donatónál (az UO1-ből beiratkozott betegeknél) és az AOU Caregginél (Firenze, Olaszország) (az UO2-nél beiratkozott betegeknél). A standard 21 csatornás rendszert fogják használni. Az EEG felvétel 10 perccel kezdődik csukott szemmel, majd váltakozó 3 perc nyitott szemmel és 3 perc csukott szemmel, kétszer megismételve. Csak a csukott szemű szegmenseket használják az elemzéshez.

4.4. BIOLÓGIAI MINTÁK GYŰJTÉSE, KEZELÉSE ÉS TÁROLÁSA Vér mintákat vénás vérvétellel gyűjtenek standard polipropilén csövekbe EDTA-val (Sarstedt, Nümbrecht, Németország) a San Donato Kórház Neurológiai Osztályán és a Careggi Egyetemi Kórház Neurológiai Osztályán. A kognitív hanyatlással küzdő betegek klinikai rutinjának megfelelően, a lumbálpunkcióra vonatkozó tájékoztatott beleegyezés megszerzése után, CSF mintákat reggel 8 órakor gyűjtenek lumbálpunkcióval a Policlinico San Donato Neurológiai Osztályán és a Careggi Egyetemi Kórház Neurológiai Osztályán. A mintákat azonnal centrifugálják és -80°C-on tárolják az elemzés elvégzéséig. Vér mintákat két időpontban gyűjtenek: az első klinikai értékelések idején (alapvonali gyűjtés) és az első gyűjtés után két évvel (követési gyűjtés).

Az UO1-nél beiratkozott betegek biológiai mintáit és a tanulmányhoz gyűjtött kapcsolódó adatokat átviszik az IRCCS Policlinico San Donato BioCor Biobankjába feldolgozásra és későbbi tárolásra. A mintákat a BioCor Biobankban akár 25 évig tárolják.

Az UO2-nél beiratkozott betegek biológiai mintáit és a tanulmányhoz gyűjtött kapcsolódó adatokat átviszik az AOUC Neurogenetikai laboratóriumába feldolgozásra és későbbi tárolásra. Két órán belül centrifugálják őket 1300 rcf-nél 4°C-on 10 percig, és a plazmát izolálják és -80°C-on tárolják az elemzésig.

4.5. VÉRBIOMARKEREK ELEMZÉSE A plazma biomarkerek elemzését az alapvonalon és a kétéves követéskor vett mintákon végezik az AOU Careggi Neurogenetikai Laboratóriumában a Quanterix Corporation (Lexington, MA, USA) által biztosított Simoa készlet segítségével humán mintákra az automatizált Simoa SR-X platformon (GBIO, Hangzhou, Kína), a gyártói utasításoknak megfelelően. Az összes minta plazma biomarker koncentrációját egyetlen futásban mérik. Minőségellenőrzéseket fognak belefoglalni az elemzésbe és együtt tesztelik a mintákkal. Egy kalibrációs görbét határoznak meg a Quanterix által biztosított sorozatosan hígított kalibrátor mérések alapján.

4.6. CSF BIOMARKEREK ELEMZÉSE Az Aβ42, Aβ40, t-tau és p-tau koncentrációját az AOUC Neurogenetikai Laboratóriumában mérik egy kemilumineszcens enzimimmunanalízis analizátorral (CLEIA) LUMIPULSE G600 (Fujirebio, Tokió, Japán). A CSF vágási értékeit a Fujirebio által biztosított irányelvek szerint határozzák meg.

4.7. GENETIKAI ELEMZÉS A genetikai elemzéseket az AOUC Neurogenetikai Laboratóriumában végzik.

Egy standard automatizált módszert (QIAcube, QIAGEN) használnak a DNS izolálására vér mintákból. A kiválasztott géneket a következőképpen elemzik:

• APP, PSEN1, PSEN2: Minden kódoló exont és intron/exon határt polimeráz láncreakcióval (PCR) erősítenek fel, a Primer3 szoftverrel tervezett primerek segítségével.
• APOE genotípusok: Az APOE genotípusokat HRMA-val vizsgálják. Ismert APOE genotípusú mintákat, amelyeket DNS szekvenálással validáltak, használnak szabványos referenciaként.

• HTT CAG ismétlődés expanziók: Polimeráz láncreakciós amplifikációs assay-jal határozzák meg, fluoreszcens jelű primerek felhasználásával. A fragmens méretet kapilláris elektroforézissel határozzák meg a "SeqStudio Genetic Analyzer" (ThermoFisher) és a GeneMapper 4.0 szoftver (Applied Biosystems) segítségével. Egy HTT CAG allél készletet, amelyek hosszát DNS szekvenálással igazolják, használnak méret szabványként.

  5. ADATELEMZÉS

Az adatelemzés a következő lépésekből áll:

1. Deskriptív statisztikai elemzés
2. A gépi tanulási modell betanítása és tesztelése

5.1. DESZKRIPTÍV STATISZTIKAI ELEMZÉS A változók eloszlását a Shapiro-Wilk teszt segítségével értékelik. A betegcsoportokat jellemzik átlaggal és szórással, mediánnal és interkvartilis tartományokkal (IQR), gyakoriságokkal vagy százalékokkal, valamint 95%-os konfidenciaintervallumokkal a folytonos változók, nem normális eloszlású folytonos változók és kategorikus változók esetén. Az adatok eloszlásától függően ANOVA-t vagy nemparaméteres Kruskal-Wallis teszteket használnak csoportközi összehasonlításokhoz, és Pearson vagy Spearman korrelációs együtthatót a numerikus mérések közötti korrelációk értékeléséhez. Khi-négyzet teszteket használnak a kategorikus adatok összehasonlításához. A hatásnagyságokat Cohen d-vel számítják a normális eloszlású numerikus méréseknél, η²-vel a Mann-Whitney U tesztnél, és Cramer V tesztel a kategorikus adatoknál.

5.2. A GÉPI TANULÁSI MODELL BETANÍTÁSA ÉS TESZTELÉSE Egy multimodális jellemzőkészletet definiálunk, beleértve a neuropszichológiai pontszámokat, a kognitív tartalék mutatóit, a személyiségjegyeket, EEG jellemzőket, plazma biomarkereket és genetikai variánsokat. Egy közös metrikát definiálunk minden profil dimenzió diszperziója alapján, majd betanítunk egy gépi tanulási algoritmust, hogy minden profil "vektort" társítson biomarker profilokkal. Kezdetben ezt a klasszifikációt standard gépi tanulási eljárásokkal végezzük. Egy különálló elemzési sorozatban egy mélytanulási megközelítést követünk egy többszintű előrecsatolt mesterséges neurális hálózat (ANN) betanításával a betegek CSF biomarker profiljainak előrejelzésére. A legjobb teljesítményű modellt (amelyet a ROC görbék AUC-jai alapján értékelnek) a tesztkészleten tesztelik, hogy elfogulatlan becslést kapjanak a modell teljesítményére.

6. MINTANAGYSÁG Feltételezve egy 0,8 mint AUC értéket, a Hanley és McNeil (1982) által javasolt standard hiba számítási módszer lehetővé teszi a konfidenciaintervallum határainak meghatározását, 40 beteggel az Alzheimer-kór csoportban (20%) és 160-vel a nélküli csoportban (80%, százalékok korábbi AOU Careggiben végzett tanulmányok adataiból becsülve15), 0,173 szélességgel (0,713-0,887). Minden más feltétel változatlan, feltételezve egy 0,9 AUC-t, a konfidenciaintervallum 0,131 (0,834-0,966) lesz. Figyelembe véve egy 20%-os kiesést, a beiratkozandó alanyok mintája 250-re adódik.