Sztuczna inteligencja w ustalaniu priorytetów podłoża genetycznego w zespole Brugadów (AI4Cardio)

Zespół Brugadów (BS) to dziedziczne zaburzenie elektryczne serca, które może powodować omdlenia i nagłe zatrzymanie krążenia u młodych, bezobjawowych osób. Podejrzewa się, że jest przyczyną 4–12% przypadków nagłej śmierci sercowej w populacji ogólnej. Rozpoznanie opiera się na identyfikacji zapisu EKG typu I charakteryzującego się uniesieniem odcinka ST z zapadniętą morfologią w prawych odprowadzeniach przedsercowych. Częstość występowania w krajach zachodnich szacuje się na 1:5000. Obecnie jedyną opcją leczenia jest wszczepienie kardiowertera-defibrylatora (ICD), ale wytyczne dotyczące oceny ryzyka pozostają niekompletne, szczególnie w przypadku osób bezobjawowych.

BS jest dziedziczony jako cecha autosomalna dominująca z niepełną penetracją. Choć z podatnością na BS powiązano 23 geny, u 70% pacjentów nie stwierdzono cech genetycznych, co sugeruje bardziej złożony wzór dziedziczenia. Genetyka nie została uwzględniona w wytycznych dotyczących stratyfikacji ryzyka, pomimo dowodów łączących pewne warianty genetyczne z większym ryzykiem arytmii. Ta luka w wiedzy podkreśla znaczenie poszerzania naszej wiedzy na temat genetyki BS w celu zwiększenia czułości diagnostycznej i zarządzania pacjentem.

Protokół ten opiera się na wstępnych danych z badania przyznanego przez włoskie Ministerstwo Zdrowia (GR-2016-02362316), w którym wykorzystano sekwencjonowanie nowej generacji (NGS) do zbadania całych regionów kodujących (Whole Exome Sequencing_WES) u 200 pacjentów z BS . Celem badania było zidentyfikowanie nowych genów kandydujących na BS i scharakteryzowanie podłoża genetycznego tej choroby.

Kohortę wybrano na podstawie obecności EKG typu I, potwierdzonego samoistnie lub wywołanego flekainidem lub ajmaliną. Pacjenci zostali poddani dokładnej ocenie kardiologicznej, aby wykluczyć inne schorzenia. Dalsza obserwacja obejmowała coroczne oceny i częstsze oceny u pacjentów z większym ryzykiem częstoskurczu komorowego.

Dzięki wykorzystaniu WES zidentyfikowano dużą liczbę wariantów genetycznych, co skłoniło do zastosowania sztucznej inteligencji (AI) do nadania priorytetu danym sekwencjonowania. Techniki sztucznej inteligencji, w tym zaawansowane algorytmy i uczenie maszynowe, mogą usprawnić identyfikację potencjalnie chorobotwórczych zmian genetycznych poprzez odfiltrowywanie typowych wariantów, przewidywanie patogeniczności i integrowanie danych klinicznych.

Biorąc pod uwagę, że ponad 70% pacjentów z BS pozostaje niezdiagnozowanych genetycznie, wysokowydajne metody sekwencjonowania mają kluczowe znaczenie dla kompleksowego zrozumienia genetyki BS. Celem tego badania jest przyczynienie się do identyfikacji nowych czynników genetycznych i usprawnienie stratyfikacji ryzyka u chorych. Wszystkie dane dotyczące sekwencjonowania na potrzeby tego projektu zostały wygenerowane i zostaną przeanalizowane przy użyciu sztucznej inteligencji, bez konieczności rejestrowania lub sekwencjonowania dalszych pacjentów.