Kunstig intelligens for prioritering av genetisk bakgrunn i Brugada-syndrom (AI4Cardio)
Bruken av kunstig intelligens for prioritering av kausativ genetisk bakgrunn i en Brugada-syndromkohort: en observasjonsretrospektiv studie
Studieoversikt
Status
Status
Forhold
Forhold
Detaljert beskrivelse
Brugada syndrom (BS) er en arvelig elektrisk hjertesykdom som kan forårsake synkope og plutselig hjertestans hos unge asymptomatiske individer. Det er mistenkt å bidra til 4-12 % av tilfellene av plutselig hjertedød i den generelle befolkningen. Diagnose er avhengig av å identifisere et type I EKG-mønster preget av ST-segmentelevasjon med en coved morfologi i høyre prekordiale avledninger. Prevalensen i vestlige land er estimert til 1:5000. Foreløpig er implantasjon av en cardioverter defibrillator (ICD) det eneste behandlingsalternativet, men retningslinjer for risikostratifisering er fortsatt ufullstendige, spesielt for asymptomatiske individer.
BS er arvet som en autosomal dominant egenskap med ufullstendig penetrans. Mens 23 gener har blitt assosiert med BS-følsomhet, forblir 70% av pasientene genetisk ukarakteriserte, noe som tyder på et mer komplekst arvemønster. Genetikk har ikke blitt innlemmet i retningslinjer for risikostratifisering, til tross for bevis som knytter visse genetiske varianter til høyere arytmisk risiko. Dette kunnskapsgapet understreker viktigheten av å utvide vår forståelse av BS-genetikk for å forbedre diagnostisk sensitivitet og pasientbehandling.
Denne protokollen bygger på foreløpige data fra en studie gitt av det italienske helsedepartementet (GR-2016-02362316), der neste generasjons sekvensering (NGS) ble brukt til å undersøke hele kodingsregionene (Whole Exome Sequencing_WES) til 200 BS-pasienter . Studien hadde som mål å identifisere nye BS-kandidatgener og karakterisere det genetiske grunnlaget for tilstanden.
Kohorten ble valgt basert på tilstedeværelsen av et type I EKG, bekreftet enten spontant eller indusert av flekainid eller ajmalin. Pasientene gjennomgikk grundige hjerteevalueringer for å utelukke andre tilstander. Oppfølging inkluderte årlige vurderinger og hyppigere evalueringer for pasienter med høyere risiko for ventrikkeltakykardi.
Et stort antall genetiske varianter ble identifisert ved å utnytte WES, noe som førte til bruk av kunstig intelligens (AI) for å prioritere sekvenseringsdataene. AI-teknikker, inkludert avanserte algoritmer og maskinlæring, kan strømlinjeforme identifiseringen av potensielt sykdomsfremkallende genetiske variasjoner ved å filtrere ut vanlige varianter, forutsi patogenisitet og integrere kliniske data.
Gitt at over 70 % av BS-pasienter forblir genetisk udiagnostisert, er sekvenseringstilnærminger med høy gjennomstrømning avgjørende for en omfattende forståelse av BS-genetikk. Denne studien har som mål å bidra til identifisering av nye genetiske faktorer og forbedre risikostratifisering for berørte pasienter. Alle sekvenseringsdata for dette prosjektet er generert og vil bli analysert ved hjelp av AI, uten at flere pasienter skal registreres eller sekvenseres.
Studietype
Studietype
Registrering (Faktiske)
Registrering
Kontakter og plasseringer
Studiesteder
-
-
-
Milan, Italia, 20132
- IRCCS San Raffaele
-
Milan, Italia
- Milano-Bicocca University
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Voksen
- Eldre voksen
Tar imot friske frivillige
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inklusjonskriterier:
- De 200 BS-pasientene er valgt ut og klinisk evaluert basert på tilstedeværelsen av et type I elektrokardiogram (EKG), enten spontant eller indusert av flekainid eller ajmalin.
Ekskluderingskriterier:
- Ingen eksklusjonskriterier er vedtatt for denne studien. Hele den tidligere sekvenserte kohorten på 200 BS-pasienter vil bli undersøkt og vurdert, ved å utnytte AI-tilnærmingen for prioritering av tilgjengelige sekvenseringsdata.
Studieplan
Hvordan er studiet utformet?
Designdetaljer
Antall grupper / kohorter
Kohorter og intervensjoner
Gruppe / KohortGruppe / Kohort |
|---|
|
BrS-pasienter
De 200 BS-pasientene er valgt og klinisk evaluert av avdelingen for hjerteelektrofysiologi og arytmi, San Raffaele sykehus, for tilstedeværelse av et type I elektrokardiogram (EKG), enten spontant eller indusert av flekainid eller ajmalin.
Morfologiske og funksjonelle egenskaper ved hjertet har blitt analysert hos alle pasienter ved trans-thorax ekkokardiografi og stresstest for å utelukke pasienter med arytmogen høyreventrikkeldysplasi og iskemisk hjertesykdom.
Blant de kliniske karakteristika er gjennomsnittlig EKG-parametere for 12-avledninger og alle mulige risikofaktorer blitt evaluert.
Elektrofysiologisk studie er utført på spontane BS mønster 1 EKG pasienter eller pasienter med indusert BS mønster 1 EKG og minst én risikofaktor.
Hos pasienter med høyere følsomhet for indusert ventrikulær takykardi, har ICD blitt implantert.
|
Hva måler studien?
Primære resultatmål
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Nye kandidatgener, sannsynligvis assosiert med Brugada-syndrom ved bruk av en AI-basert tilnærming.
Tidsramme: 1 år
|
Prioritering av genetiske variasjoner som ligger til grunn for BS-fenotypen: hele eksomdataene på 200 BS tidligere sekvensert vil bli prioritert ved hjelp av en AI-basert tilnærming, utviklet av samarbeidspartnerne i UniMIB.
|
1 år
|
Sekundære resultatmål
Sekundære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Identifikasjon av genetiske risikofaktorer assosiert med den verre fenotypen.
Tidsramme: 1 år
|
Korrelasjon av de nye antatte genene og de kliniske variablene, tidligere samlet i en omfattende database for denne studien.
|
1 år
|
Samarbeidspartnere og etterforskere
Sponsor
Sponsor
Etterforskere
Etterforskere
- Hovedetterforsker: Chiara Di Resta, PhD, IRCCS San Raffaele Hospital
Publikasjoner og nyttige lenker
Generelle publikasjoner
- Di Resta C, Pietrelli A, Sala S, Della Bella P, De Bellis G, Ferrari M, Bordoni R, Benedetti S. High-throughput genetic characterization of a cohort of Brugada syndrome patients. Hum Mol Genet. 2015 Oct 15;24(20):5828-35. doi: 10.1093/hmg/ddv302. Epub 2015 Jul 28.
- Sommariva E, Pappone C, Martinelli Boneschi F, Di Resta C, Rosaria Carbone M, Salvi E, Vergara P, Sala S, Cusi D, Ferrari M, Benedetti S. Genetics can contribute to the prognosis of Brugada syndrome: a pilot model for risk stratification. Eur J Hum Genet. 2013 Sep;21(9):911-7. doi: 10.1038/ejhg.2012.289. Epub 2013 Jan 16.
- Di Resta C, Berg J, Villatore A, Maia M, Pili G, Fioravanti F, Tomaiuolo R, Sala S, Benedetti S, Peretto G. Concealed Substrates in Brugada Syndrome: Isolated Channelopathy or Associated Cardiomyopathy? Genes (Basel). 2022 Sep 28;13(10):1755. doi: 10.3390/genes13101755.
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
Studiestart
Primær fullføring (Faktiske)
Primær fullføring
Studiet fullført (Faktiske)
Studiet fullført
Datoer for studieregistrering
Først innsendt
Først innsendt
Først innsendt som oppfylte QC-kriteriene
Først innsendt som oppfylte QC-kriteriene
Først lagt ut (Faktiske)
Først lagt ut
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
Sist oppdatering lagt ut
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Sist bekreftet
Sist bekreftet
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
Andre studie-ID-numre
- AI4Cardio
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Studerer et amerikansk FDA-regulert enhetsprodukt
Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .