Интегративное стадирование биполярного расстройства: включение биомаркеров в прогрессирование по стадиям (BOARDING-PASS)

Обоснование Биполярное аффективное расстройство (БАР) является высокораспространенным (примерно 1% в общей популяции) и инвалидизирующим состоянием, характеризующимся хроническим и прогрессирующим течением. Естественная история БАР обычно включает начальную бессимптомную фазу, за которой следует продромальная стадия, а затем манифестация первого синдромального эпизода (депрессивного или маниакального), после которого обычно следуют рецидивирующие эпизоды, часто при отсутствии полного межэпизодного восстановления. Растущее количество доказательств поддерживает концепцию, что продольное течение БАР связано с активным процессом нейропрогрессии, характеризующимся прогрессирующими изменениями в мозге и функциональными нарушениями. Несколько клинических факторов могут влиять на траекторию расстройства, включая количество аффективных эпизодов, наличие психиатрических и соматических коморбидных состояний, воздействие стрессовых жизненных событий и семейный анамнез психических расстройств. Нейровизуализационные исследования последовательно поддерживают гипотезу нейропрогрессии при БАР, демонстрируя структурные и функциональные изменения мозга, которые прогрессивно проявляются по мере развития заболевания. Аномалии также были описаны на уровне крупномасштабных нейронных сетей. В частности, Сеть Пассивного Режима Работы Мозга, по-видимому, демонстрирует измененные паттерны гипер- и гипоконнективности с аффективными, фронто-париетальными и системами внимания, затрагивая ключевые узлы, ответственные за эффективную крупномасштабную коммуникацию в мозге. Более того, структурные и функциональные изменения также были выявлены у здоровых родственников пациентов с БАР. Исследования, изучающие дополнительные биомаркеры при БАР, также предоставили доказательства, поддерживающие стадийное прогрессирование расстройства, особенно в отношении Нейротрофического Фактора Мозгового Происхождения (BDNF) и воспалительных цитокинов. В целом, недавние достижения в области клинического стадирования БАР, наряду с прогрессом в идентификации биологических маркеров (например, модуляция транскрипции генов, нейротрофическая сигнализация, иммуно-воспалительные пути, микробиота) и нейровизуализации (структура и функция крупномасштабных систем мозга), предоставляют веское обоснование для разработки многомерной модели стадирования. Такая модель интегрировала бы клинические и нейробиологические данные, позволяя достичь большей диагностической, прогностической и терапевтической точности.

Конкретные цели и экспериментальный дизайн

Исследование BOARDING PASS имеет следующие цели:

1. продольно оценить клиническую прогрессию БАР в течение 18-месячного периода с использованием модели стадирования Купки и Хиллегерса;
2. исследовать роль биологических и нейровизуализационных маркеров в переходах стадий БАР (т.е. регуляция транскрипции генов, воспаление, микробиотические, структурные и функциональные нейровизуализационные показатели);
3. внедрить прогностическую ML-модель на основе интеграции клинических, биологических и нейровизуализационных данных, чтобы обеспечить индивидуализированное и основанное на данных предсказание переходов стадий БАР.

Исследование включает последовательный набор 120 субъектов, зарегистрированных в трех из четырех участвующих центров: UO1 (ASST Fatebenefratelli-Sacco, Милан), UO2 (ASST Papa Giovanni XXIII, Бергамо) и UO3 (ASL 2 Абруццо, Ланчано-Васто-Кьети). Критерии включения и исключения подробно описаны ниже.

Критерии включения:

1. Субъекты, страдающие и не страдающие БАР, чья клиническая стадия попадает в определенные моделью Купки и Хиллегерса, а именно:

   стадия 0 (повышенный риск: наличие родственника первой степени родства с БАР при отсутствии психиатрических симптомов); стадия 1 (наличие родственника первой степени родства с БАР при наличии неспецифических психиатрических симптомов или депрессивного эпизода(ов)); стадия 2 (первый гипо/маниакальный эпизод, позволяющий диагностировать БАР I или II типа согласно DSM-5; APA, 2013); стадия 3 (рецидивирующий(е) эпизод(ы): депрессивный, гипо/маниакальный или смешанный); стадия 4 (персистирующее неремиттирующее расстройство: хронические депрессивные, маниакальные или смешанные эпизоды, включая быструю цикличность);

2. Лица обоего пола;
3. Возраст ≥ 18 лет и ≤ 70 лет;
4. Способность предоставить действительное письменное информированное согласие.

Критерии исключения:

1. Неспособность предоставить действительное письменное информированное согласие;
2. Наличие умственной отсталости;
3. Наличие тяжелого сопутствующего соматического заболевания;

4. Наличие текущего расстройства, связанного с употреблением психоактивных веществ. После предоставления письменного информированного согласия на участие, зарегистрированные субъекты пройдут базовую оценку (T0) и затем вступят в 18-месячный период наблюдения, состоящий из трех последующих временных точек: T1 (6 месяцев после T0), T2 (12 месяцев после T0) и T3 (18 месяцев после T0). На T0 и каждой последующей временной точке оценка участника будет включать: (i) клиническую и психометрическую оценку; исключительно на T0, T2 и T3, (ii) оценку биологических маркеров; и (iii) магнитно-резонансную томографию мозга для получения структурных и функциональных данных МРТ.

   Клиническая и психометрическая оценка

   На исходном уровне (T0) для каждого участника исследования будут собраны и внесены в анонимизированную базу данных основные социодемографические и клинические переменные. К ним относятся:

   (a) социодемографические данные: возраст, пол, этническая принадлежность, уровень образования, семейное положение и профессиональный статус; (b) клинические характеристики: семейный анамнез психических расстройств, подтип БАР, возраст начала БАР и связанные со стрессом жизненные события, продолжительность заболевания, продолжительность нелеченного заболевания, возраст при первом депрессивном и гипо/маниакальном эпизоде, полярность первого и последнего аффективного эпизода, преобладающая полярность, общее количество аффективных эпизодов за всю жизнь, наличие смешанных черт или быстрой цикличности, текущее и предыдущее психофармакологическое лечение, соматические и психиатрические коморбидные состояния, анамнез расстройства, связанного с употреблением психоактивных веществ, количество госпитализаций за всю жизнь и попытки суицида.

   Эти переменные будут использоваться для определения клинической стадии на T0 согласно модели Купки и Хиллегерса (Kupka & Hillegers, 2012). На каждой последующей временной точке социодемографические и клинические данные будут обновляться для повторного определения соответствующей стадии и оценки потенциальных ассоциаций между клиническими переменными и вероятностью прогрессирования до более продвинутых стадий заболевания.

   Клиническая оценка дополнительно будет включать проведение следующих психометрических шкал и опросников: Краткий тест интеллекта (TIB; Sartori, 1997; Colombo, 2002), время проведения примерно 5 минут; Шкала депрессии Гамильтона (HDRS-21; Hamilton, 1960; Cassano et al., 1991), время проведения примерно 20 минут; Шкала тревоги Гамильтона (HARS; Hamilton, 1959; Cassano et al., 1991), время проведения примерно 15 минут; Шкала депрессии Монтгомери-Асберга (MADRS; Montgomery & Åsberg, 1979; Palma et al., 1999), время проведения примерно 15 минут; Шкала мании Янга (YMRS; Young et al., 1978; Palma et al., 1999), время проведения примерно 15 минут; и Глобальная оценка функционирования (GAF; Hall, 1995; APA, 1996), время проведения примерно 2 минуты; Семейное интервью для генетических исследований (FIGS); Тест на скрининг злоупотребления наркотиками (DAST-10), время проведения оценивается примерно в 5 минут. Тест TWEAK с временем выполнения примерно 2 минуты. Опросник детских травм (CTQ), требует 5-10 минут и будет проводиться на исходном уровне. Шкала Пейкела для недавних жизненных событий, ее проведение занимает примерно 15 минут и будет осуществляться на исходном уровне; Клиническая оценочная шкала (CRS), заполняется примерно за 2 минуты на каждой временной точке и направлена на оценку приверженности пациентов фармакологическому лечению.

   Оценка биологических маркеров: Регуляция транскрипции генов, воспаление, данные микробиома

   Биологические образцы для анализа экспрессии генов, воспаления и микробиома будут собираться на исходном уровне, T2 и T3. Конкретно:

   1. образцы нестимулированной слюны - т.е., цельная слюна, собранная в условиях покоя без вкусовой, жевательной или фармакологической стимуляции - будут получаться с использованием хлопковых буккальных тампонов (Salivette, Sarstedt, Нюмбрехт, Германия) и храниться при -20 °C до экстракции геномной ДНК (gDNA). Экзосомы также будут выделяться из слюны, и микроРНК будут очищаться с использованием набора для выделения РНК экзосом.

   2. периферические образцы венозной крови будут собираться в две вакутайнерные пробирки по 5 мл, содержащие цитрат натрия. Сыворотка и клеточные компоненты будут разделены, а общая РНК, а также gDNA будут экстрагированы из PBMC.

      Все биологические образцы, собранные в трех центрах набора (Подразделения 1, 2 и 3), будут переданы в центральную лабораторию (Подразделение 4) для стандартизированной обработки и анализа, включая:

      - ЛИПИДОМИКУ для анализа короткоцепочечных жирных кислот (SCFAs), экстрагированных из слюны, будет проведена дериватизация для анализа LC-MS/MS.

      Молекулярно-биологические исследования:

      - анализ экспрессии генов. Относительное количество видов мРНК в PBMC будет оцениваться с помощью ПЦР в реальном времени и цифровой ПЦР.

      - метилирование ДНК как в клетках крови, так и слюны: a. общий статус метилирования ДНК будет анализироваться с использованием метода секвенирования редуцированного репрезентативного бисульфита (RRBS) (SBS-секвенирование на платформе SURFseq5000); b. исследование специфического для гена метилирования ДНК будет проводиться на амплифицированной бисульфит (BS) обработанной ДНК, а уровни метилирования будут анализироваться с использованием PyroMark Q48 (64).

      - слюнные экзосомальные микроРНК: анализ миРНОма и отобранных микроРНК после сетевого анализа с помощью ПЦР в реальном времени и цифровой ПЦР.

      • Связывание ДНК-связывающих транскрипционных факторов. Техника анализа ALPHAScreenTM для проверки, связываются ли идентифицированные элементы узнавания в промоторах генов с различными транскрипционными факторами и модулируется ли это связывание непосредственно степенью метилирования CpG-мотивов.
      • КОМПОЗИЦИЯ СЛЮННОЙ МИКРОБИОТЫ путем секвенирования микробиома 16S рРНК.

      Нейровизуализационная оценка

      Оценки МРТ будут проводиться на 3Т-сканерах на T0, T2 и T3 и включают:

      - Структурная МРТ (sMRI): 3D T1-взвешенные изображения будут получаться с использованием последовательности SPGR (TE = минимум (полный); угол поворота, 6°; поле зрения, 250 мм; полоса пропускания, 31.25; матрица, 256 x 256) с 124 аксиальными срезами толщиной 1.3 мм. После реконструкции корковой поверхности будут вычисляться локальные индексы гирификации для 68 парцеллированных корковых областей на основе атласа Десикана с использованием FreeSurfer v7.1.0. Затем будет применена процедура оценки смещения jackknife для определения вклада каждого индивидуума в ковариационную структуру на уровне группы, генерируя индивидуальную матрицу расстояний 68×68. Топологическая организация результирующих сетей структурной ковариации впоследствии будет анализироваться с использованием Graph Analysis Toolbox.

      - Функциональная МРТ в состоянии покоя: изображения rs-fMRI будут получаться с использованием градиент-эхо EPI последовательности с 36 аксиальными срезами (TE = 30 мс; TR = 2000 мс; размер вокселя: 3×3×4 мм3; размер матрицы: 64×64; поле зрения: 192×192 мм2);, полученными в чередующемся порядке. Каждая сессия состояния покоя будет состоять из 400 объемов. Предварительная обработка будет проводиться с использованием комбинации FMRIB's Software Library (FSL) и пользовательских скриптов MATLAB. Конвейер будет включать следующие шаги: (1) переориентация в стандартное пространство; (2) обнаружение выбросов объемов с последующей сплайн-интерполяцией временных точек выбросов; (3) пространственная и временная предобработка, включая коррекцию движения (MCFLIRT), временную фильтрацию высоких частот и пространственное сглаживание (FWHM = 5 мм); (4) экстракция мозга на структурном изображении; (5) нелинейная регистрация в стандартное пространство MNI152 с использованием FSL-FNIRT. Статические и динамические функциональные коннектомы будут оцениваться путем расчета z-преобразованных коэффициентов корреляции Пирсона между всеми парами областей мозга в принятой схеме парцелляции. Динамическая связность будет вычисляться с использованием подхода скользящего окна с длиной окна 30 TR и шагом 2 TR. Эти шаги будут реализованы с помощью собственного программного обеспечения, разработанного в MATLAB. Граф-теоретические меры будут вычисляться через Brain Connectivity Toolbox (MATLAB).

      Для минимизации межсайтовой вариабельности в нейровизуализационных данных, как структурные, так и функциональные МРТ-исследования будут выполняться с использованием гармонизированных протоколов в двух центрах визуализации, каждый из которых оснащен 3 Тл-сканером. ML алгоритмы Будет разработана ML-структура для предсказания переходов клинических стадий БАР путем интеграции собранных клинических, биологических и нейровизуализационных данных. Для управления интеграцией мультимодальных данных мы примем надежные конвейеры предварительной обработки, включая нормализацию данных, обнаружение выбросов и методы импутации для обработки пропущенных значений (например, k-ближайших соседей или множественная импутация). ML-анализы начнутся на 6-м месяце исследования и будут проводиться с использованием MATLAB's Statistics and Machine Learning Toolbox, изначально поддерживаемые программным обеспечением NeuroMiner (http://proniapredictors.eu/neurominer/index.html), проверенной программной платформой, предназначенной для управления гетерогенными наборами данных. NeuroMiner предоставляет широкий спектр фреймворков перекрестной проверки, стратегий предварительной обработки, алгоритмов обучения с учителем, инструментов отбора признаков и методов внешней валидации. ML-подход будет основан на классификаторах с учителем, в первую очередь на методе опорных векторов (SVM) и байесовских моделях. На предварительном этапе классификаторы будут обучаться и тестироваться на предварительных наборах данных для сравнения альтернативных прогностических моделей в контролируемой среде и идентификации наилучшей алгоритмической конфигурации. Впоследствии будут использоваться процедуры отбора признаков для идентификации наиболее дискриминативных переменных из пула кандидатных признаков. Этот шаг имеет решающее значение для повышения интерпретируемости модели и предотвращения переобучения, особенно в типичных для мультимодальных исследований наборах данных с малым размером выборки и высокой размерностью. Действительно, уменьшая количество входных переменных, отбор признаков минимизирует шум, снижает сложность модели и улучшает обобщаемость ML-предсказаний. При необходимости (т.е. если размерность пространства признаков все еще слишком высока), для дальнейшего снижения переобучения и вычислительной нагрузки может быть применен анализ главных компонент. Классификаторы SVM будут приоритизированы из-за их устойчивости при работе с данными высокой размерности и малого размера выборки. Кроме того, будет применяться взвешивание классов, чтобы ошибки на миноритарных стадиях штрафовались сильнее, уменьшая смещение, вносимое неравномерным размером групп. Производительность модели будет оцениваться с использованием методов перекрестной проверки (например, leave-one-out или стратифицированная k-fold, в зависимости от структуры данных и распределения классов) и оцениваться с точки зрения чувствительности, специфичности, F1-меры и общей точности, чтобы учесть потенциальный дисбаланс классов. Для развертывания модели на полном наборе данных требуется предопределенная минимальная целевая точность 90%. Исследовательские центры и организационная структура Исследование BOARDING-PASS будет проводиться в четырех операционных подразделениях (UOs), каждое с определенными ролями для обеспечения высококачественного сбора данных и стандартизированных клинических процедур.

      - UO1 (ASST Fatebenefratelli-Sacco, Милан) является координирующим центром, ответственным за набор пациентов и базовые диагностические оценки, стандартизированный сбор клинических и биологических данных. Исследователи UO1 будут обеспечивать координацию и надзор в рамках многоцентровой исследовательской сети, поддерживая эффективную коммуникацию между клиницистами, исследователями и техническим персоналом.

      • UO2 (ASST Papa Giovanni XXIII, Бергамо) отвечает за набор участников, диагностическую оценку, сбор биологических образцов, получение структурных и данных МРТ состояния покоя также от имени UO1, и анализ структурной нейровизуализации.
      • UO3 (ASL 2 Ланчано-Васто-Кьети) будет проводить набор и оценку участников, сбор и управление данными, сбор биологических образцов, а также получение структурных и функциональных нейровизуализационных данных.
      • UO4 (Университет Терамо) служит централизованным учреждением, ответственным за биологические анализы, в частности, регуляцию транскрипции генов и анализ микробиоты. UO4 также отвечает за анализ функциональных нейровизуализационных данных и за внедрение ML-алгоритмов.