Biomarkører for akustisk utslipp for påvisning og overvåking av tidlig kneartrose

Sykdomsbakgrunn Artrose (OA) er en svært utbredt og invalidiserende tilstand som rammer over 7 % av mennesker globalt (528 millioner mennesker). Det begrenser deres mobilitet og uavhengige livsstil betydelig. OA er hovedsakelig beskrevet av tap av brusk, strukturelle endringer i bein og betennelse i synovium og leddkapsel. Vanlige risikofaktorer inkluderer aldring, fedme, tidligere leddskade og overforbruk. OA tar flere år å utvikle, før pasienten oppsøker legen når smertene forsterkes. I tidlige stadier er pasienter asymptomatiske eller opplever bare aktivitetsrelatert smerte. Smerten blir konstant over tid med intermitterende intense smerteepisoder. I regioner rundt om i verden er den gjennomsnittlige årlige kostnaden for OA for et individ estimert mellom USD 700–15 600 USD (2019). Følgelig har OA en stor sosioøkonomisk innvirkning på grunn av høye medisinske kostnader, tidligpensjonering og høye fravær fra jobb.

OA påvirker vanligvis hofter, knær, hender, føtter og ryggrad, med en høy forekomst av polyartikulær involvering. Denne studien fokuserer på OA i kneet.

Gjeldende vurderingsstandard Den nåværende gullstandardvurderingen av alvorlighetsgraden av kne-OA er basert på vanlig røntgen, ved bruk av Kellgren-Lawrence (KL) karaktersystem, som ble akseptert som en standard av Verdens helseorganisasjon i 1961. Dette systemet evaluerer ikke det primære berørte vevet - brusk - men bare det generelle aspektet av leddet. Den er derfor ikke i stand til å oppdage tidlige stadier av OA, og diagnosen stilles ofte på et sent stadium, med få behandlingsalternativer ved siden av kneproteser.

Alternative vurderingsmetoder Tidligere diagnostisk og forbedret pasientstratifisering er nødvendig for å implementere forebyggende OA-behandlinger. Mulige tidlige diagnostiske alternativer inkluderer Magnetic Resonance Imaging (MRI) og biokjemiske markører. MR kan brukes til å vurdere endringer i bruskvolum, tykkelse eller til og med kvalitet, men utbredt bruk av MR er begrenset av høye kostnader, tilgjengelighet og fravær av en validert internasjonal score. Mange biokjemiske markører er for tiden under utredning, men så langt mangler de spesifisitet for leddvev og til bestemte ledd, og sensitivitet og spesifisitet er fortsatt ikke høy nok for utbredt klinisk bruk.

I det siste har det vært en økende interesse for akustisk analyse som et alternativ til konvensjonelle biomarkører, spesielt for kneleddet der dårlig smurte bevegelige leddflater genererer unormale lyder som akustisk analyse kan avsløre.

Prosjektets relevans Inmodi-knestøtten, utviklet ved ETH Lausanne, er en enhet designet for en vurdering av knehelse under bevegelse. Kjerneteknologien kombinerer akustiske, termiske og kinematiske sensorer og en kunstig intelligens (AI)-basert dataanalyse for å trekke ut relevante biomarkører for leddfunksjon.

Foreløpige data tyder på at denne kombinerte tilnærmingen kan muliggjøre en ikke-invasiv tidlig diagnose av OA. Hos hester ble det funnet en sterk sammenheng mellom leddtilstanden og kraften til akustiske emisjonssignaler (AE) analysert. Kombinasjon av data (akustiske data/bevegelsesdata) inneholder sannsynligvis mer informasjon om kneets funksjonelle helse, men slike data er svært tunge (beregningsmessig) og en algoritmisk tilnærming som AI virker som det beste alternativet for å trekke ut meningsfulle parametere og kombinere dem til klinisk nyttige biomarkører . Nylig testet etterforskerne en prototype av inmodi kneskinne hos sytten pasienter fra klinikken kort tid før total knearthroplasty (TKA). Disse pasientene led av alvorlig OA på benet under operasjon og mild til moderat på den kontralaterale. En maskinlæringsalgoritme var i stand til å diskriminere bentilstandene med en spesifisitet på 0,96 (perfekt = 1).

Målet med dette nye prosjektet er å videre utforske potensialet til inmodi-systemet for å diagnostisere OA på tidligere stadier. For dette vil etterforskerne utvikle en foreløpig referansedatabase i en underpopulasjon med risiko for å utvikle OA. Identifisering og validering av nye biomarkører med en AI-algoritme krever et treningsdatasett og et testdatasett, både med potensielle biomarkører og gullstandard kliniske utfall for validering. Denne databasen vil kreve en prøvestørrelse som er stor nok til å være statistisk forsvarlig for å forhindre statistisk overtilpasning.

Ikke-invasiv knehelsediagnostikk skal bidra til å identifisere risikopasienter til en relativt lav kostnad og uten strålingseksponering og gjøre det mulig å iverksette forebyggende tiltak tidligere enn med standard røntgentiltak.

Risikokategori A (minimal): Bildeprosedyrer inneholder (1) MR av begge knær, som er ikke-ioniserende og (2) EOS full benskanning med mye lavere stråledose ved konvensjonell røntgen. En annen prosedyre er funksjonstesten med inmodi knestøtte på begge bena. Sannsynligheten for at en biologisk effekt på celler vil oppstå fra røntgenstråling er svært lav. Andre risikoer er psykologiske, relatert til "screening overdiagnosis", eller klaustrofobisk stress og støyubehag i MR-skanneren. Videre er det en risiko for personvernet, som etterforskerne prøver å minimere ved å følge de juridiske og interne databeskyttelsesreglene.