Evaluering av hornhinnekonfokalmikroskopi for identifisering og prediksjon av nevropati ved type 1-diabetes

Den diffuse skaden på perifere nerver (diabetisk nevropati) er eksepsjonelt vanlig ved type 1-diabetes, men det mangler en objektiv surrogatmarkør for å identifisere tidlige subkliniske stadier når behandlinger kan være mest effektive, før progresjon i sene stadier til plagsom og kostbar. fotinfeksjon, sårdannelse og amputasjon av lemmer. I motsetning til evnen til objektivt å måle sykdomsspesifikke surrogatmarkører for retinopati og nefropati, har denne mangelen på en diabetisk nevropati surrogatmarkør alvorlig hindret utviklingen av spesifikke intervensjoner i kliniske forskningsstudier. Vi representerer 5 uavhengige forskningsgrupper som sammen har skapt et konsortium av etterforskere dedikert til utviklingen av en surrogatmarkør for tidlig diabetisk nevropati, og har fokusert på å bruke øyet som et vindu til ikke-invasivt bilde ved hjelp av en metode for in-vivo hornhinnekonfokal mikroskopi (CCM) de små nervetrådene som innerverer hornhinnen. Vi har vist at endringer i disse nervefiberendene skjer tidlig i utviklingen av nevropati, reflekterer godt endringene som sees i andre perifere nerver ved invasiv hudbiopsievaluering, og at måling av dem er gjennomførbar og reproduserbar. Som et multinasjonalt konsortium har vi fordelen i dette forslaget ved å slå sammen flere kohorter for å anvende de mest gyldige studiemetodene i utvikling av biomarkører. Først tar vi sikte på å bestemme i analysen av et eksisterende samlet datasett av 516 type 1- og 524 type 2-diabetespersoner de nøyaktige nivåene av CCM-måling som kan identifisere tilstedeværelsen av diabetisk nevropati. For det andre foreslår vi over tre år å undersøke minst 70 % av denne kohorten på nytt, noe som vil gi 5- til 7-års oppfølgingsdata for å bestemme hvilken type og nivå av CCM-måling som kan forutsi fremtidig utbrudd av nevropati, som samt progresjonen hos de som hadde nevropati ved baseline. Til slutt vil vi evaluere rollen til tids- og kostnadsbesparende programvare for automatisk bildeanalyse. I kraft av stor utvalgsstørrelse fra datapooling, har vi unikt den metodiske kraften til å bekrefte våre mål ved hjelp av separate avlednings- og valideringsanalysesett. Gjennom en unik og enestående multinasjonal pooled dataset-tilnærming for diabetisk nevropati, vil dette arbeidet utlede og validere spesifikke CCM-parameterterskler for identifisering av nevropati, og – enda viktigere – identifisering av individer med fremtidig risiko. Disse resultatene vil tillate bruk i klinisk praksis og intervensjonsforsøk for nevropatirisikostratifisering. Evaluering av automatisert bildeanalyse vil påvirke sannsynligheten for vellykket kunnskapsoversettelse av denne surrogatbiomarkøren til klinisk praksis - der prosedyren kan harmoniseres med årlige netthinneundersøkelser - og til intervensjonsforsøk.