GEVONDEN - Aanvullend onderzoek naar Smile Protocol NCT03654105 (FOUND)

Tijdens de huidige pandemie werden in Italië de meeste asymptomatische of pauci-symptomatische COVID-19-gevallen niet geïdentificeerd of gediagnosticeerd, en dit feit veroorzaakte een afname van de effectiviteit van de verschillende inperkingsmaatregelen die werden genomen. Daarom wordt in een toekomstscenario waarin een nieuwe virale zwerm wordt verwacht, de vroege identificatie van alle geïnfecteerde gevallen essentieel om een ​​inperkingsstrategie voor de verspreiding van het virus te plannen en te activeren, gezien de huidige afwezigheid van vaccins.

De typische radiologische bevinding van COVID-19 is een interstitiële pneumonie, die bij een aanzienlijk deel van de patiënten verantwoordelijk kan zijn voor een acuut respiratory distress syndrome (ARDS).

Laaggedoseerde thorax-CT en eenvoudige bloedtesten kunnen subvaste longknobbeltjes (SSN's) identificeren die wijzen op een COVID-19-infectie bij asymptomatische personen.

Doelstellingen van deze observationele studie zijn de vroege detectie van COVID-19-markers die wijzen op eerdere blootstelling of aanhoudende virale infectie bij asymptomatische proefpersonen en de beoordeling van de frequentie en uitkomst van COVID-19-gerelateerde SSN's bij asymptomatische proefpersonen op basis van tijd, woonplaats en andere individuele risicofactoren.

Het cohort van het SMILE-long-CT-screeningprogramma is overwogen, gebaseerd op 960 proefpersonen met een hoog risico op longkanker vanwege het roken van tabak (≥ 20 pakjes/jaar) en leeftijd (50-75 jaar), samen met een inflammatoir en respiratoir profiel. SMILE maakt gebruik van een toptechnologie dual-source CT-scanner (Somatom Force) met de laagste stralingsdosis ooit toegepast op longscreening. Alle thorax-CT-beelden van gescreende proefpersonen zullen opnieuw worden geëvalueerd door twee extra CAD-programma's, speciaal ontworpen voor de analyse van SSN's en kwantificering van het totale volume van longparenchym dat een verhoogde dichtheid vertoont. Deze herevaluatie zal de sensitiviteit en specificiteit van radiomische beoordeling verbeteren.

Dit studiecohort, verrijkt met de reeds gevestigde longitudinale biobank van bevroren plasmamonsters, vormt een ideale gelegenheid om de frequentie van SSN's bij asymptomatische proefpersonen te beoordelen, vanwege het effect van COVID-19, met name bij proefpersonen die in gebieden met een hoog risico op virale infecties wonen. blootstelling. Het zal ook mogelijk zijn om te beoordelen of COVID-19-gerelateerde SSN's geassocieerd zijn met chronische comorbiditeit, andere individuele risicofactoren, inflammatoire (CRP) / immunomodulerende (25(OH)D) bloedprofielen, en/of getraceerd kunnen worden door immuunmarkers zoals IgM/IgG en andere cytokines.

Klinische gegevens zullen worden geïntegreerd met een analyse van het IgG-IgM-profiel dat specifiek is voor covid-19, op de plasmamonsters die zijn genomen op het moment van de CT-scan, of later, in samenwerking met de Universiteit van Milaan, Luigi Devoto Work Clinic.

De langdurige samenwerking met de afdeling Radiologische Wetenschappen van de Universiteit van Parma op het gebied van longscreening biedt ook de mogelijkheid om de resultaten te valideren die in dit cohort zijn verkregen op CT-thorax die de afgelopen twee maanden is uitgevoerd in het Universitair Ziekenhuis van Parma bij symptomatische proefpersonen voor verdenking op covid-19. longontsteking.

In samenwerking met de Universiteit van Milano Bicocca zullen Machine Learning (ML)-tools worden toegepast om de klinische relevantie, ernst en uiteindelijke uitkomst van SSN's te voorspellen, op basis van radiomische CT-kenmerken, epidemiologisch risico, co-morbiditeit en inflammatoire/immune bloedbiomarkers. ML-analyse zal een voorspellend algoritme genereren voor de klinische uitkomst van SSN's, en met name het risico op COV-I9-infectie en ongunstige ziekteprognose.