- ICH GCP
- Amerikanska kliniska prövningsregistret
- Klinisk prövning NCT06376552
Artificiell intelligens för prioritering av genetisk bakgrund vid Brugada-syndrom (AI4Cardio)
Användningen av artificiell intelligens för prioritering av kausativ genetisk bakgrund i en Brugada-syndromkohort: en observationsretrospektiv studie
Studieöversikt
Status
Betingelser
Detaljerad beskrivning
Brugadas syndrom (BS) är en ärftlig elektrisk hjärtsjukdom som kan orsaka synkope och plötsligt hjärtstillestånd hos unga asymtomatiska individer. Det misstänks bidra till 4-12 % av fallen av plötslig hjärtdöd i den allmänna befolkningen. Diagnos förlitar sig på att identifiera ett typ I EKG-mönster som kännetecknas av ST-segmentförhöjning med en coved morfologi i de högra prekordiala avledningarna. Prevalensen i västländer uppskattas till 1:5000. För närvarande är implantation av en cardioverter-defibrillator (ICD) det enda behandlingsalternativet, men riktlinjerna för riskstratifiering är fortfarande ofullständiga, särskilt för asymtomatiska individer.
BS ärvs som en autosomal dominant egenskap med ofullständig penetrans. Medan 23 gener har associerats med BS-känslighet, förblir 70% av patienterna genetiskt okarakteriserade, vilket tyder på ett mer komplext arvsmönster. Genetik har inte införlivats i riktlinjer för riskstratifiering, trots bevis som kopplar vissa genetiska varianter till högre arytmisk risk. Denna kunskapslucka understryker vikten av att utöka vår förståelse av BS-genetik för att förbättra diagnostisk känslighet och patienthantering.
Detta protokoll bygger på preliminära data från en studie beviljad av det italienska hälsoministeriet (GR-2016-02362316), där nästa generations sekvensering (NGS) användes för att undersöka hela kodningsregionerna (Whole Exome Sequencing_WES) för 200 BS-patienter . Studien syftade till att identifiera nya BS-kandidatgener och karakterisera den genetiska grunden för tillståndet.
Kohorten valdes baserat på närvaron av ett typ I EKG, bekräftat antingen spontant eller inducerat av flekainid eller ajmalin. Patienterna genomgick noggranna hjärtutvärderingar för att utesluta andra tillstånd. Uppföljningen inkluderade årliga bedömningar och mer frekventa utvärderingar för patienter med högre risk för ventrikulär takykardi.
Ett stort antal genetiska varianter identifierades genom att utnyttja WES, vilket ledde till användningen av artificiell intelligens (AI) för att prioritera sekvenseringsdata. AI-tekniker, inklusive avancerade algoritmer och maskininlärning, kan effektivisera identifieringen av potentiellt sjukdomsorsakande genetiska variationer genom att filtrera bort vanliga varianter, förutsäga patogenicitet och integrera kliniska data.
Med tanke på att över 70 % av BS-patienterna förblir genetiskt odiagnostiserade, är sekvenseringsmetoder med hög genomströmning avgörande för en heltäckande förståelse av BS-genetik. Denna studie syftar till att bidra till identifieringen av nya genetiska faktorer och förbättra riskskiktningen för drabbade patienter. Alla sekvenseringsdata för detta projekt har genererats och kommer att analyseras med hjälp av AI, utan att fler patienter ska registreras eller sekvenseras.
Studietyp
Inskrivning (Faktisk)
Kontakter och platser
Studieorter
-
-
-
Milan, Italien, 20132
- IRCCS San Raffaele
-
Milan, Italien
- Milano-Bicocca University
-
-
Deltagandekriterier
Urvalskriterier
Åldrar som är berättigade till studier
- Vuxen
- Äldre vuxen
Tar emot friska volontärer
Testmetod
Studera befolkning
Beskrivning
Inklusionskriterier:
- De 200 BS-patienterna har valts ut och utvärderats kliniskt baserat på närvaron av ett typ I elektrokardiogram (EKG), antingen spontant eller inducerat av flekainid eller ajmalin.
Exklusions kriterier:
- Inga uteslutningskriterier har antagits för denna studie. Hela den tidigare sekvenserade kohorten av 200 BS-patienter kommer att undersökas och övervägas, med användning av AI-metoden för prioritering av tillgängliga sekvenseringsdata.
Studieplan
Hur är studien utformad?
Designdetaljer
Kohorter och interventioner
Grupp / Kohort |
|---|
|
BrS-patienter
De 200 BS-patienterna har valts ut och kliniskt utvärderats av avdelningen för hjärtelektrofysiologi och arytmologi, San Raffaele Hospital, med avseende på närvaron av ett typ I elektrokardiogram (EKG), antingen spontant eller inducerat av flekainid eller ajmalin.
Morfologiska och funktionella egenskaper hos hjärtat har analyserats hos alla patienter genom trans-thorax ekokardiografi och stresstest för att utesluta patienter med arytmogen högerkammardysplasi och ischemisk hjärtsjukdom.
Bland kliniska egenskaper har 12-avledningssignalmedelvärde för EKG-parametrar och alla möjliga riskfaktorer utvärderats.
Elektrofysiologisk studie har utförts på spontana BS mönster 1 EKG patienter eller patienter med inducerat BS mönster 1 EKG och minst en riskfaktor.
Hos patienter med högre känslighet för inducerad ventrikulär takykardi har ICD implanterats.
|
Vad mäter studien?
Primära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Nya kandidatgener, sannolikt associerade med Brugadas syndrom med hjälp av en AI-baserad metod.
Tidsram: 1 år
|
Prioritering av genetiska variationer som ligger bakom BS-fenotypen: hela exomdata på 200 BS som tidigare sekvenserats kommer att prioriteras med hjälp av en AI-baserad metod, utvecklad av samarbetspartnerna i UniMIB.
|
1 år
|
Sekundära resultatmått
Resultatmått |
Åtgärdsbeskrivning |
Tidsram |
|---|---|---|
|
Identifiering av genetiska riskfaktorer förknippade med den sämre fenotypen.
Tidsram: 1 år
|
Korrelation mellan de nya förmodade generna och de kliniska variablerna, som tidigare samlats in i en omfattande databas för denna studie.
|
1 år
|
Samarbetspartners och utredare
Sponsor
Utredare
- Huvudutredare: Chiara Di Resta, PhD, IRCCS San Raffaele Hospital
Publikationer och användbara länkar
Allmänna publikationer
- Di Resta C, Pietrelli A, Sala S, Della Bella P, De Bellis G, Ferrari M, Bordoni R, Benedetti S. High-throughput genetic characterization of a cohort of Brugada syndrome patients. Hum Mol Genet. 2015 Oct 15;24(20):5828-35. doi: 10.1093/hmg/ddv302. Epub 2015 Jul 28.
- Sommariva E, Pappone C, Martinelli Boneschi F, Di Resta C, Rosaria Carbone M, Salvi E, Vergara P, Sala S, Cusi D, Ferrari M, Benedetti S. Genetics can contribute to the prognosis of Brugada syndrome: a pilot model for risk stratification. Eur J Hum Genet. 2013 Sep;21(9):911-7. doi: 10.1038/ejhg.2012.289. Epub 2013 Jan 16.
- Di Resta C, Berg J, Villatore A, Maia M, Pili G, Fioravanti F, Tomaiuolo R, Sala S, Benedetti S, Peretto G. Concealed Substrates in Brugada Syndrome: Isolated Channelopathy or Associated Cardiomyopathy? Genes (Basel). 2022 Sep 28;13(10):1755. doi: 10.3390/genes13101755.
Studieavstämningsdatum
Studera stora datum
Studiestart (Faktisk)
Primärt slutförande (Faktisk)
Avslutad studie (Faktisk)
Studieregistreringsdatum
Först inskickad
Först inskickad som uppfyllde QC-kriterierna
Första postat (Faktisk)
Uppdateringar av studier
Senaste uppdatering publicerad (Faktisk)
Senaste inskickade uppdateringen som uppfyllde QC-kriterierna
Senast verifierad
Mer information
Termer relaterade till denna studie
Ytterligare relevanta MeSH-villkor
Andra studie-ID-nummer
- AI4Cardio
Plan för individuella deltagardata (IPD)
Planerar du att dela individuella deltagardata (IPD)?
Läkemedels- och apparatinformation, studiedokument
Studerar en amerikansk FDA-reglerad läkemedelsprodukt
Studerar en amerikansk FDA-reglerad produktprodukt
Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .