Персонализированная медицина в выявлении доклинических когнитивных нарушений. Разработка модели прогнозируемого риска (DENDRITE)

«Комплексный план лечения болезни Альцгеймера и других деменций» показывает, что более 50% случаев когнитивных нарушений (КИ) в популяционных исследованиях остаются невыявленными. Эта цифра особенно поразительна в случае легкой деменции, из которых до 90% не диагностируются. Цель состоит в том, чтобы использовать объединенную мощь интеграции клинических, молекулярных, протеомных, геномных, медицинских, социальных, экологических и поведенческих данных о пациентах, используя передовые методы искусственного интеллекта для обработки и анализа данных, чтобы создать прогностические модели для доклиническое выявление КИ у населения в возрасте 55-70 лет.

Многоцентровое, неинтервенционное, конвергентное наблюдательное исследование со смешанными методами, с частью проспективного наблюдательного плана и частью качественного дизайна. Выборка набиралась случайным образом среди пользователей системы общественного здравоохранения в участвующих географических точках. Данные будут собираться в 6 регионах (Андалусия, Кастилия-Манча, Каталония, Валенсия, Мадрид и Страна Басков) и их сельских и городских сетях первичной медицинской помощи (ПК).

Неинституционализированные субъекты в возрасте от 55 до 70 лет, распределенные по ПК-центрам на территориях, включенных в исследование, с «прижизненным анамнезом» (записанным в течение последних 12 месяцев) и без установленного диагноза КИ.

Описательный анализ характеристик населения будет проводиться с использованием частот и процентов или показателей центральной тенденции и дисперсии с их 95% доверительными интервалами. Исходные социально-демографические и клинические характеристики будут сравниваться с целью изучения однородности выборки. Для сравнения качественных переменных будет использоваться критерий Хи-квадрат или точный критерий Фишера, а для сравнения количественных переменных будет использоваться t-критерий или критерий Вилкоксона. Предлагаются модели логистической регрессии для анализа факторов исхода здоровья, связанных с легкими когнитивными нарушениями. Все модели будут включать повторные измерения для каждого человека. Все модели будут корректироваться с учетом различных факторов риска, а для тех факторов, которые могут меняться со временем, будет изучено взаимодействие между временем и этим фактором.

Первоначально для прогнозной модели риска когнитивных нарушений будут использоваться многомерные линейные латентные модели. Интеграция данных из нескольких источников информации будет осуществляться с использованием многомерных вероятностных моделей, чтобы найти представление пациента в пространстве признаков, на которое влияют все источники данных (посещения).

Веб-инструменты, такие как Ingenuity Pathway Analysis, позволят интегрировать данные на разных молекулярных уровнях (генетическом, белковом и аутоантителах), а инструменты искусственного интеллекта позволят интегрировать такие данные, данные, полученные от электрохимических датчиков, и данные, связанные с клиническими и поведенческими данными. с когнитивными нарушениями с целью получения прогностической модели когнитивных нарушений, нейродегенерации и БА.