GenoMed4ALL: miglioramento della classificazione e della prognosi della MCI tramite l'intelligenza artificiale (GenoMed4ALL)

La MCI è una malattia multisistemica cronica pericolosa per la vita, ereditata con modalità autosomica recessiva, causata dalla presenza di emoglobina S anomala (HbS) derivante dalla mutazione falciforme nel gene HBB. Nonostante sia una malattia con mutazione di un singolo gene, la MCI presenta un'estrema variabilità fenotipica che non è completamente compresa. Si ritiene che diversi fattori genetici e ambientali abbiano un impatto sul fenotipo della malattia, sulle manifestazioni cliniche, sulla progressione del danno d’organo e sulla qualità della vita nel corso della vita.

Sebbene negli ultimi decenni siano stati compiuti progressi significativi nella patofisiologia altamente complessa della MCI, la possibilità di una medicina personalizzata è ancora agli inizi. Mancano marcatori della gravità della malattia, della prognosi e della risposta al trattamento. In particolare, l’eterogeneità dell’espressione clinica della malattia insieme alle complicanze croniche a lungo termine dovute all’aumento della durata della vita dei pazienti dovrebbero essere affrontate con trattamenti innovativi e personalizzati. Inoltre, è necessario valutare il ruolo dei nuovi trattamenti sia in termini di efficacia e sicurezza a lungo termine, ma anche di rapporto costo/efficacia. La scarsità e la frammentazione dei dati sulla SCD impediscono ai ricercatori di raggiungere i numeri critici necessari per la ricerca clinica e di base. La ricerca e le soluzioni basate sui dati sono quindi essenziali per migliorare la cura dei pazienti affetti da MCI e la loro qualità di vita.

La disponibilità di numerose opzioni terapeutiche e l’elevata eterogeneità della malattia evidenziano la necessità di affrontare i profili di gravità dei pazienti e di offrire la migliore assistenza per ciascun individuo affetto. Lo sviluppo degli algoritmi AI GENOMED4ALL per la SCD sarà di grande importanza per la caratterizzazione approfondita e la previsione delle diverse complicanze della SCD. Gli endpoint primari di interesse includono:

• Migliorare la classificazione della SCD
• Sviluppare un punteggio di probabilità per prevedere vari modelli riconosciuti dall'intelligenza artificiale (AI) basata sull'analisi della risonanza magnetica cerebrale (radiomica)
• Sviluppare punteggi di rischio predittivi per il verificarsi degli esiti clinici più diffusi e gravi
• Sviluppare punteggi di rischio predittivi nel tempo per la comparsa degli esiti clinici più diffusi e gravi.

RADeep sarà utilizzato per la standardizzazione dei dati clinici e di laboratorio esistenti. È stato sviluppato un CRF, comprendente poco più di 250 elementi di dati. Il CRF GenoMed4All si basa sul lavoro precedente svolto da RADeep e include il "set di elementi di dati comuni per la registrazione delle malattie rare", che è stato pubblicato nel dicembre 2017 come risultato di un gruppo di lavoro dedicato facilitato dal Centro comune di ricerca (JRC). Questo approccio garantirà l'interoperabilità con altre iniziative simili in Europa e consentirà inoltre di riutilizzare i dati raccolti per futuri studi di ricerca.

Gli studi di associazione su tutto il genoma (GWAS) estendono il concetto di studi di associazione per analizzare centinaia di migliaia di polimorfismi a singolo nucleotide (SNP) simultaneamente e forniscono un modo economicamente vantaggioso per esplorare le varianti genetiche nell'intero genoma. Ma nonostante il notevole interesse nell’identificazione dei modificatori genetici nella SCD, la maggior parte dei precedenti GWAS ha cercato il collegamento genetico e l’associazione con i livelli di HbF, un fattore di miglioramento della gravità della malattia. Inoltre, l’utilizzo della scienza dei dati e dell’intelligenza artificiale (AI) è stato limitato nella ricerca sulla SCD. Pertanto, la generazione di dati GWAS combinata con l’uso del più recente pannello di imputazione offre un’opportunità per lo sviluppo di nuove tecniche di intelligenza artificiale e per nuove scoperte nella SCD.

Gli infarti cerebrali silenti (SCI) rappresentano una causa significativa di morbilità nella MCI: colpiscono il 25% dei bambini entro i 6 anni e il 40% entro i 18 anni con conseguenze su cognizione, scolarizzazione, capacità lavorativa e qualità della vita. Pertanto, uno degli obiettivi del caso clinico di SCD in GENOMED4ALL è l'uso della radiomica - metodo quantitativo per la valutazione e l'interpretazione delle immagini mediche - e dell'intelligenza artificiale, in primo luogo per sviluppare un'identificazione e caratterizzazione automatica e uniforme della LM sulle risonanze magnetiche, in secondo luogo, per correlare i dati di imaging con altri tipi di dati OMICS al fine di prevedere il rischio di insorgenza e ricorrenza.

La deformabilità dei globuli rossi (RBC) di soggetti affetti da MCI è marcatamente anormale, indipendentemente dal genotipo. Diversi studi hanno riportato alcune associazioni tra il grado di compromissione della deformabilità dei globuli rossi misurata allo stato stazionario nei pazienti con anemia falciforme e la presenza di complicanze croniche, come priapismo, ulcere alle gambe, glomerulopatia, ecc. La tecnica recentemente sviluppata dell'ectacitometria a gradiente di ossigeno consente una caratterizzazione funzionale e un comportamento reologico più completi dei globuli rossi della SCD su un intervallo di tensioni di ossigeno per verificare se i cambiamenti reologici potrebbero riflettere la gravità/complicanze cliniche. Dati sulle caratteristiche reologiche dei globuli rossi su tutti i pazienti in lo stato stazionario sarà ottenuto mediante l'ektacitometro Laser Optical Rotational Red Cell Analyser (Lorrca) (RR Mechatronics).

Combinando una grande quantità di set di dati multimodali standardizzati (clinici, multi-omici e di imaging), i ricercatori ipotizzano che l’intelligenza artificiale consentirà di comprendere meglio la biologia e la classificazione della MCI, migliorare la capacità prognostica/predittiva degli strumenti attualmente disponibili e applicare trattamenti in modo più mirato. modo, facilitando così l’attuazione del programma di medicina personalizzata in tutta l’UE.