Intelligenza artificiale per la definizione delle priorità del background genetico nella sindrome di Brugada (AI4Cardio)

La sindrome di Brugada (BS) è un disturbo elettrico cardiaco ereditario che può causare sincope e arresto cardiaco improvviso in soggetti giovani asintomatici. Si sospetta che contribuisca al 4-12% dei casi di morte cardiaca improvvisa nella popolazione generale. La diagnosi si basa sull'identificazione di un pattern ECG di tipo I caratterizzato da sopraslivellamento del tratto ST con una morfologia incavata nelle derivazioni precordiali destre. La prevalenza nei paesi occidentali è stimata in 1:5.000. Attualmente, l’impianto di un defibrillatore cardioverter (ICD) è l’unica opzione di trattamento, ma le linee guida sulla stratificazione del rischio rimangono incomplete, in particolare per i soggetti asintomatici.

La BS è ereditata come carattere autosomico dominante a penetranza incompleta. Sebbene 23 geni siano stati associati alla predisposizione alla BS, il 70% dei pazienti rimane geneticamente non caratterizzato, suggerendo un modello di ereditarietà più complesso. La genetica non è stata incorporata nelle linee guida per la stratificazione del rischio, nonostante l’evidenza colleghi alcune varianti genetiche a un rischio aritmico più elevato. Questa lacuna di conoscenze sottolinea l’importanza di espandere la nostra comprensione della genetica della BS per migliorare la sensibilità diagnostica e la gestione del paziente.

Questo protocollo si basa sui dati preliminari di uno studio concesso dal Ministero della Salute italiano (GR-2016-02362316), in cui è stato utilizzato il sequenziamento di nuova generazione (NGS) per studiare l'intera regione codificante (Whole Exome Sequencing_WES) di 200 pazienti con BS . Lo studio mirava a identificare nuovi geni candidati alla BS e a caratterizzare la base genetica della condizione.

La coorte è stata selezionata in base alla presenza di un ECG di tipo I, confermato spontaneamente o indotto da flecainide o ajmalina. I pazienti sono stati sottoposti a valutazioni cardiache approfondite per escludere altre condizioni. Il follow-up prevedeva valutazioni annuali e valutazioni più frequenti per i pazienti con un rischio più elevato di tachicardia ventricolare.

Un gran numero di varianti genetiche sono state identificate sfruttando WES, spingendo all’uso dell’intelligenza artificiale (AI) per dare priorità ai dati di sequenziamento. Le tecniche di intelligenza artificiale, inclusi algoritmi avanzati e apprendimento automatico, possono semplificare l’identificazione di variazioni genetiche potenzialmente causa di malattie filtrando varianti comuni, prevedendo la patogenicità e integrando dati clinici.

Dato che oltre il 70% dei pazienti con BS rimangono geneticamente non diagnosticati, gli approcci di sequenziamento ad alto rendimento sono cruciali per una comprensione completa della genetica della BS. Questo studio mira a contribuire all’identificazione di nuovi fattori genetici e a migliorare la stratificazione del rischio per i pazienti affetti. Tutti i dati di sequenziamento per questo progetto sono stati generati e saranno analizzati utilizzando l'intelligenza artificiale, senza ulteriori pazienti da arruolare o sequenziare.