COPDのバイオマーカーとしての唾液のラマン分析 (CORSAI)
新しいバイオマーカーとしての COPD 患者の唾液のラマン分析: 疾患のモニタリングと管理のための AI ベースのポイントオブケア
調査の概要
詳細な説明
このプロジェクトの主な目標は、慢性閉塞性肺疾患 (COPD) 患者の最適化および個別化された管理のために、唾液のラマン分光法 (RS) 分析に基づく新しい方法を作成および検証することです。 臨床機器データと RS アプローチの組み合わせは、患者の適切な層別化、すなわち、COPD 表現型の早期同定、結果として生じる正確な治療の帰属、潜在的な増悪リスクの評価、および治療への遵守を通じて、臨床診療の質を向上させます。 人工知能 (AI) を使用した機器および RS 測定の統合により、患者の COPD 表現型が予測され、医療システムのリソースを効率的に管理できるようになります。 この作業の実現可能性は、高感度で高速かつ小型化された RS を使用することで裏付けられます。RS は、専門外の人員が使用し、アクセス可能な生体液にポイントオブケア (POC) を作成するために使用されます。 前臨床、臨床、およびビッグデータ管理分野における学際的なアプローチは、アカデミー、臨床研究、および業界の協力を通じて達成されます。
CORSAI は、未充足の臨床ニーズから出発して、生物医学研究、臨床研究、PM の臨床診療への統合に向けたデータ サイエンスと、参加国およびそれを超えた倫理的、法的、社会的影響との間の密接なつながりを構築します。 主な目的は、COPD 患者の唾液から RS 信号を収集し、GERA 機器を使用して重症度段階と表現型、および対応する CTRL と喘息患者 (AsP) を特徴付けることです。 データセットの作成と関連付けは、特定の目的の達成につながります。I) 特定の COPD、CTRL、および AsP RF の識別。 II) 唾液中の薬物シグナルによる治療アドヒアランスのモニタリング。 III) RF に基づいた COPD 表現型の定義は、機器の GERA データと相関しています。 IV) リハビリテーションの手順と効果のモニタリング。 V) 特定の COPD 患者に対する高い増悪リスクの関連付け。 VI) RS データベースからの分類モデルの作成。 VII) データ分析のための高性能コンピューティングの適用。 VIII) ポータブル RS の POC としての統合。 CORSAI の目新しさは、ポータブル機器のおかげでベッドサイドにもたらされた高度な方法論に依存しています。 唾液採取に使用される侵襲性を最小限に抑えた手順とラマン取得の速度は、患者の治療への順守を継続的に監視し、増悪率の高い COPD 表現型の現代的な識別を可能にする関連する利点を表しています。 プロジェクトの実現可能性は、生物学的サンプルと提案された技術に直接関係しており、すでに臨床環境でテストされています 19。 ii) 最小限のサンプル準備とポータブル デバイスにより、専門外の担当者による POC の使用が可能になり、AI によるリモート決定ガイダンスが提供されます。
サンプル収集: 選択されたすべての被験者からの唾液収集は、Salivette (SARSTEDT) 製造元の指示に従って実行されます。 COPDに関連しない唾液量の変動を制限するために、唾液は、摂食および歯磨きからの適切な遅延時間の後、一定の時間にすべての被験者から得られます。 分析前のパラメータ（つまり 保存温度と収集と処理の間の時間)、食事と喫煙習慣が適切に記録されます。 簡単に言えば、スワブを取り出して口に入れ、60秒間噛んで唾液分泌を刺激します. 次に、スワブを 1,000 g で 2 分間遠心分離して、細胞の断片と食物の破片を取り除きます。 採取したサンプルは-80℃で保存します。
サンプル処理: ラマン分析では、表面増強ラマン散乱 (SERS) を実現するために、各サンプルのドロップをアルミ ホイルにキャストします。
データ収集: SERS スペクトルは、25 ～ 100% (最大出力 512 mW) の範囲のレーザー出力で 785 nm で動作するレーザー光源を装備したアラミス ラマン顕微鏡 (Horiba Jobin-Yvon、フランス) を使用して取得されます。 10 ～ 30 秒の取得時間が使用されます。 各分析の前に、520.7 cm-1 のシリコンの基準バンドを使用して機器を校正します。 ラマン スペクトルは、ドロップの端から中心までのライン マップに従って 35 点から収集されます。 スペクトルは、50 倍の対物レンズ (オリンパス、日本) を使用して 400 ～ 1600 cm-1 の領域で取得されます。 スペクトル分解能は約 1.2 cm-1 です。 ソフトウェア パッケージ LabSpec 6 (Horiba Jobin-Yvon、フランス) は、マップの設計とスペクトルの取得に使用されます。
データ処理: 取得したすべてのスペクトルは、4 次多項式ベースラインに適合し、専用ソフトウェア LabSpec 6 を使用して単位ベクトルで正規化されます。 基質の寄与は、各スペクトルから除去されます。 メソッドを検証するための統計分析は、多変量解析アプローチを使用して実行されます。 主成分分析 (PCA) は、データの次元を削減し、主要な傾向を証明するために実行されます。 結果として得られる最初の 20 個の主成分 (PC) は、分類モデルである線形判別分析 (LDA) で使用され、選択したグループ間の分散を最大化するデータを識別します。 データの過剰適合を防ぐために、最小数の PC が選択されます。 Leave-one-out 交差検証と混同行列テストを使用して、LDA モデルの方法の感度、精度、精度を評価します。 マンホイットニーは、分析されたグループ間で統計的に関連する違いを検証するために、PC スコアに対して実行されます。 0.05 未満の p 値を持つ係数のみが有効な相関であると仮定して、Spearman の検定を使用して相関および偏相関分析を実行します。 統計分析は、Origin2018 (OriginLab、米国) を使用して実行されます。
ディープ ラーニング: データセットは、ディープ ラーニング モデルを使用して分析および処理され、傾向の確認と分析、および COPD 層別化に関する予測と意思決定支援の開発に使用できる重要なパターンを発見することを目的としています。 分類性能を高め、一般化能力を向上させるために、データ拡張と自動ハイパーパラメータ最適化の技術が開発されます。 予測精度と解釈可能性のトレードオフを達成するために、クラス アクティベーション マッピング (CAM) ベースのアプローチを適用してスペクトル内のアクティブ変数を視覚化し、識別パターンを特定して最も有益なスペクトル特徴を抽出します。
UNIMIB と GERA は、スペクトル全体でアクティブな変数を識別し、CNN モデルの内部特徴表現とデータ変換パイプラインを解釈するための説明メカニズムを実装します。 UNIMIB と GERA は、さまざまな計算モジュールをモジュラー計算パイプラインに統合して、患者ごとの分類を行います。
研究の種類
入学 (予想される)
連絡先と場所
研究連絡先
- 名前：Paolo I Banfi, MD
- 電話番号：+39 0240308812
- メール：pabanfi@dongnocchi.it
研究連絡先のバックアップ
- 名前：Marzia Bedoni, PhD
- 電話番号：+39 0240308533
- メール：labion@dongnocchi.it
研究場所
-
-
-
Milano、イタリア、20148
- 募集
- IRCCS Santa Maria Nascente - Fondazione Don Carlo Gnocchi ONLUS
-
コンタクト：
- Marzia Bedoni, PhD
- 電話番号：+39 0240308533
- メール：labion@dongnocchi.it
-
コンタクト：
- Paolo I Banfi, MD
- 電話番号：+39 02 40308812
- メール：pabanfi@dongnocchi.it
-
副調査官：
- Marzia Bedoni, PhD
-
主任研究者：
- Paolo I Banfi, MD
-
Milano、イタリア
- 積極的、募集していない
- University of Milano-Bicocca
-
-
-
-
-
Barcelona、スペイン、08036
- 募集
- Institut d'Investigacions Biomèdiques August Pi i Sunyer
-
コンタクト：
- Nestor Soler, MD
- 電話番号：+34 2275549
- メール：nsoler@clinic.cat
-
-
-
-
-
Bad Kissingen、ドイツ、97688
- 積極的、募集していない
- Geratherm Respiratory GmbH
-
-
-
-
-
Riga、ラトビア、LV1007
- 募集
- Riga Stradins University
-
コンタクト：
- Madara Tirzīte, MD
- 電話番号：+37 167409105
- メール：madara.tirzite@rsu.lv
-
-
参加基準
適格基準
就学可能な年齢
健康ボランティアの受け入れ
受講資格のある性別
サンプリング方法
調査対象母集団
説明
包含基準:
- COPD 患者は、FEV1/FEV < 0.7 の気管支拡張薬後の比率として定義されます。 気流制限の重症度と表現型は、グレード 2、3、または 4 を含む GOLD グレーディング システムによって記述されるように定義されます。
- 重度の喘息 - COPD は、次の要因の組み合わせの存在によって確立されます: 喘息および/またはアトピーの病歴、気管支拡張薬試験における可逆性、呼吸器および/または末梢分泌物における顕著な好酸球増加症、高 IgE、肺炎アレルゲンに対する陽性プリックテスト高濃度の呼気NO
- 性別と年齢が一致するHCおよびASP（少なくとも6か月からの喘息の管理と予防のためのグローバル戦略2018による気管支喘息）は、コントロールとして採用されます。
除外基準:
- 除外基準は、閉塞性睡眠時無呼吸、がん、MMSE < 24、最後の急性増悪から少なくとも 4 週間、心血管疾患、神経疾患、および腎臓疾患、年齢 < 18 との組み合わせになります。
- 進行中の細菌または真菌の口腔感染症
研究計画
研究はどのように設計されていますか？
デザインの詳細
コホートと介入
グループ/コホート |
介入・治療 |
|---|---|
|
喘息と COPD の重複 (aCOPD)
喘息-COPD に罹患している 50 人の被験者 他の募集された被験者と年齢および性別で匹敵する重複。
混合表現型の診断は、次の要因の組み合わせの存在によって確立されます：喘息および/またはアトピーの病歴、気管支拡張薬試験における可逆性、呼吸器および/または末梢分泌物における顕著な好酸球増多、高IgE、ポジティブプリックテスト肺炎アレルゲンと高濃度の吐き出されたNO
|
唾液が収集され、ラマン分析のために処理されます。
収集されたデータは、分類モデルの作成のために計算されます
|
|
非増悪性COPD（neCOPD）
非増悪性 COPD に罹患している 50 人の被験者が、年齢および性別が他の募集被験者と同等である
|
唾液が収集され、ラマン分析のために処理されます。
収集されたデータは、分類モデルの作成のために計算されます
|
|
肺気腫COPD（eeCOPD）を伴う頻繁なExcacerbator
肺気腫COPDの頻繁な増悪に影響を受けた50人の被験者 年齢と性別が他の募集被験者と同等
|
唾液が収集され、ラマン分析のために処理されます。
収集されたデータは、分類モデルの作成のために計算されます
|
|
慢性気管支炎COPD（ebCOPD）を伴う頻繁なExcacerbator
慢性気管支炎の頻繁な増悪に罹患している50人の被験者 募集された他の被験者と年齢および性別が同等のCOPD
|
唾液が収集され、ラマン分析のために処理されます。
収集されたデータは、分類モデルの作成のために計算されます
|
|
喘息患者（AST）
年齢と性別が他の募集対象と同等の喘息に罹患した200人の対象
|
唾液が収集され、ラマン分析のために処理されます。
収集されたデータは、分類モデルの作成のために計算されます
|
|
健常者 (CTRL)
他の募集対象者と年齢および性別が同等の健康状態にある200人の健康な対象者
|
唾液が収集され、ラマン分析のために処理されます。
収集されたデータは、分類モデルの作成のために計算されます
|
この研究は何を測定していますか？
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
|---|---|---|
|
唾液 COPD ラマン シグネチャの識別
時間枠：2年
|
ラマン分光法を使用して COPD 患者の唾液を分析し、喘息患者と健康な被験者の違いを強調する特定の COPD シグネチャの特徴付けを行います。
多変量解析を使用して、分類モデルを作成する可能性がテストされます。
|
2年
|
|
COPD 患者のスペクトルの違いの特徴付け
時間枠：2年
|
ラマン データは、さまざまな実験グループ (COPD 対 喘息 対 健康な被験者) のシグネチャを比較して解釈され、主な違いの原因となる分子クラスが特定されます。
|
2年
|
|
ラマン シグネチャによる 4 つの COPD 表現型の層別化
時間枠：2年
|
イントラ COPD クラス分析が実行され、研究で考慮される各表現型の特定のラマン シグネチャが識別されます。
多変量解析は、唾液の分析に基づいて迅速な診断を実行できる分類モデルを作成する可能性を評価するために実行されます
|
2年
|
|
治療のアドヒアランスと効果のモニタリング
時間枠：2年
|
ラマン データは臨床パラメーターと相関し、調査対象の 2 つの要因間の隠れた傾向と関係を特定します。
特に、完全な治療順守および欠落した治療順守の影響は、唾液ラマン シグネチャの変化に関して評価されます。
|
2年
|
|
増悪指数の決定
時間枠：2年
|
頻繁に悪化する患者に関連するラマン信号は、線形判別分析によって計算され、悪化イベントに関連する係数が取得されます。
このようにして、悪化イベントを監視し、潜在的に予測するために、測定可能なパラメーターが作成されます
|
2年
|
|
ポータブル ラマン分光計のポイント オブ ケアとしての応用
時間枠：3年
|
以前の結果で作成されたすべてのデータ、データベース、および分類モデルは、方法論の信頼性をテストするために、新しいパティネットに直接適用されるポータブル ラマン装置に統合されます。
同時に、新しいデータを使用してモデルをトレーニングし、精度、精度、感度、および特異性の面で識別力を高めます。
|
3年
|
協力者と研究者
協力者
捜査官
- スタディチェア：Marzia Bedoni, PhD、Fondazione Don Carlo Gnocchi ONLUS, Laboratory of Nanomedicine and Clinical Biophotonics
- 主任研究者：Paolo I Banfo, MD、Fondazione Don Carlo Gnocchi Onlus
出版物と役立つリンク
一般刊行物
- Carlomagno C, Banfi PI, Gualerzi A, Picciolini S, Volpato E, Meloni M, Lax A, Colombo E, Ticozzi N, Verde F, Silani V, Bedoni M. Human salivary Raman fingerprint as biomarker for the diagnosis of Amyotrophic Lateral Sclerosis. Sci Rep. 2020 Jun 23;10(1):10175. doi: 10.1038/s41598-020-67138-8.
- Mirza S, Clay RD, Koslow MA, Scanlon PD. COPD Guidelines: A Review of the 2018 GOLD Report. Mayo Clin Proc. 2018 Oct;93(10):1488-1502. doi: 10.1016/j.mayocp.2018.05.026.
- Nikolaou V, Massaro S, Fakhimi M, Stergioulas L, Price D. COPD phenotypes and machine learning cluster analysis: A systematic review and future research agenda. Respir Med. 2020 Sep;171:106093. doi: 10.1016/j.rmed.2020.106093. Epub 2020 Jul 28.
- Miravitlles M, Calle M, Soler-Cataluna JJ. Clinical phenotypes of COPD: identification, definition and implications for guidelines. Arch Bronconeumol. 2012 Mar;48(3):86-98. doi: 10.1016/j.arbres.2011.10.007. Epub 2011 Dec 22. English, Spanish.
研究記録日
主要日程の研究
研究開始 (実際)
一次修了 (予期された)
研究の完了 (予期された)
試験登録日
最初に提出
QC基準を満たした最初の提出物
最初の投稿 (実際)
学習記録の更新
投稿された最後の更新 (実際)
QC基準を満たした最後の更新が送信されました
最終確認日
詳しくは
本研究に関する用語
追加の関連 MeSH 用語
その他の研究ID番号
- FDG_RamanSaliva_COPD_CORSAI
- ERAPERMED2021-383_CORSAI (OTHER_GRANT：ERA PerMed joint transnational call)
個々の参加者データ (IPD) の計画
個々の参加者データ (IPD) を共有する予定はありますか?
医薬品およびデバイス情報、研究文書
米国FDA規制医薬品の研究
米国FDA規制機器製品の研究
この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。