Bipolär sjukdom integrativ stegindelning: Införlivande av biomarkörer i progression över stadier (BOARDING-PASS)

Bakgrund Bipolärt syndrom (BD) är en mycket vanlig (cirka 1 % i allmän befolkning) och funktionsnedsättande sjukdom, som kännetecknas av ett kroniskt och progressivt förlopp. Den naturliga sjukdomshistorien för BD inkluderar vanligtvis en inledande asymptomatisk fas, följd av ett prodromalt stadium och därefter insjuknande i ett första syndromalt episod (depressiv eller manisk), vilket vanligtvis följs av återkommande episoder, ofta i avsaknad av fullständig återhämtning mellan episoderna. Ett växande vetenskapligt stöd finns för tanken att BD:s longitudinella förlopp är förknippat med en aktiv neuroprogressiv process, kännetecknad av progressiva hjärnförändringar och funktionell nedsättning. Flera kliniska faktorer kan påverka sjukdomens utveckling, inklusive antalet affektiva episoder, förekomst av psykiatriska och medicinska komorbiditeter, exponering för stressfulla livshändelser samt familjehistoria av psykiatriska sjukdomar. Neurobildstudier har konsekvent stött neuroprogressionshypotesen vid BD och visat strukturella och funktionella hjärnförändringar som successivt uppstår i takt med sjukdomsframskridandet. Abnormaliteter har även beskrivits på nivån för storskaliga neurala nätverk. Särskilt verkar Default Mode Network uppvisa förändrade mönster av hyper- och hypokonnektivitet med affektiva, frontoparietala och uppmärksamhetsrelaterade system, vilket involverar nyckelknutpunkter som ansvarar för effektiv storskalig hjärnkommunikation. Dessutom har strukturella och funktionella förändringar även identifierats hos oförändrade släktingar till patienter med BD. Studier som undersöker ytterligare biomarkörer vid BD har ytterligare bidragit med bevis som stöder en stegrelaterad progression av sjukdomen, särskilt med avseende på Brain-Derived Neurotrophic Factor (BDNF) och inflammatoriska cytokiner. Sammanfattningsvis ger de senaste framstegen inom det kliniska stegindelingsområdet för BD, tillsammans med framsteg i identifieringen av biologiska markörer (t.ex. genreglering, neurotrof signalering, immuninflammatoriska vägar, mikrobiota) och neurobildgivning (struktur och funktion hos storskaliga hjärnsystem), en stark motivering för utvecklingen av en multidimensionell stegindelningsmodell. En sådan modell skulle integrera kliniska och neurobiologiska data, vilket möjliggör större diagnostisk, prognostisk och terapeutisk precision.

Specifika mål och experimentell design

BOARDING PASS-studien har följande mål:

1. att longitudinellt bedöma BD:s kliniska progression under en 18-månadersperiod med hjälp av Kupka & Hillegers stegindelningsmodell;
2. att undersöka rollen för biologiska och neurobildmärkare vid BD-stegövergångar (dvs. genreglering, inflammation, mikrobiotamått, strukturella och funktionella neurobildmått);
3. att implementera en prediktiv ML-modell baserad på integration av kliniska, biologiska och neurobilddata, för att tillhandahålla en individualiserad och datadriven prediktion av BD-stegövergångar.

Studien innebär rekrytering av 120 deltagare vid tre av de fyra deltagande centren: UO1 (ASST Fatebenefratelli-Sacco, Milano), UO2 (ASST Papa Giovanni XXIII, Bergamo) och UO3 (ASL 2 Abruzzo, Lanciano-Vasto-Chieti). Inklusions- och exklusionskriterier specificeras nedan.

Inklusionskriterier:

1. Individer med och utan BD vars kliniska steg faller inom de som definieras av Kupka och Hillegers modell, nämligen:

   steg 0 (ökad risk: ha en förstagradssläkting med BD, i avsaknad av psykiatriska symptom); steg 1 (ha en förstagradssläkting med BD, i närvaro av icke-specifika psykiatriska symptom eller depressiv(a) episod(er)); steg 2 (första hypo/maniska episoden som möjliggör diagnos av BD typ I eller II enligt DSM-5; APA, 2013); steg 3 (återkommande episod(er): depressiva, hypo/maniska eller blandade); steg 4 (bestående icke-remitterande sjukdom: kroniska depressiva, maniska eller blandade episoder, inklusive snabbcykling);

2. Individer av båda könen;
3. Ålder ≥ 18 år och ≤ 70 år;
4. Förmåga att ge giltigt skriftligt informerat samtycke.

Exklusionskriterier:

1. Oförmåga att ge giltigt skriftligt informerat samtycke;
2. Närvaro av intellektuell funktionsnedsättning;
3. Närvaro av en allvarlig samtidig medicinsk åkomma;

4. Närvaro av ett aktuellt substansbrukssyndrom. Efter att ha lämnat skriftligt informerat samtycke för deltagande kommer inkluderade deltagare genomgå baslinjeutvärdering (T0) och därefter inleda en 18-månadersuppföljningsperiod bestående av tre efterföljande tidpunkter: T1 (6 månader efter T0), T2 (12 månader efter T0) och T3 (18 månader efter T0). Vid T0 och vid varje efterföljande tidpunkt kommer deltagarutvärderingen inkludera: (i) klinisk och psykometrisk utvärdering; uteslutande vid T0, T2 och T3, (ii) biologisk markörutvärdering; och (iii) hjärnmagnetisk resonanstomografi för inhämtning av strukturella och funktionella MR-data.

   Klinisk och psykometrisk utvärdering

   Vid baslinje (T0) kommer för varje studiedeltagare de huvudsakliga sociodemografiska och kliniska variablerna samlas in och matas in i en anonymiserad databas. Dessa inkluderar:

   (a) sociodemografiska data: ålder, kön, etnicitet, utbildningsnivå, civilstånd och yrkesstatus; (b) kliniska egenskaper: familjehistoria av psykiatriska sjukdomar, BD-subtyp, ålder vid BD-debut och associerade stressfulla livshändelser, sjukdomsduration, duration av obehandlad sjukdom, ålder vid första depressiva och hypo/maniska episoden, polaritet för första och senaste affektiva episoden, dominant polaritet, totalt livstidsantal affektiva episoder, förekomst av blandade eller snabbcyklande drag, aktuell och tidigare psykofarmakologisk behandling, medicinska och psykiatriska komorbiditeter, historia av substansbrukssyndrom, livstidsantal sjukhusvistelser och suicidförsök.

   Dessa variabler kommer användas för att tilldela det kliniska stadiet vid T0 enligt Kupka och Hillegers modell (Kupka & Hillegers, 2012). Vid varje efterföljande tidpunkt kommer sociodemografiska och kliniska data uppdateras för att omtilldela motsvarande steg och utvärdera potentiella samband mellan kliniska variabler och sannolikheten för progression till mer avancerade sjukdomsstadier.

   Den kliniska utvärderingen kommer ytterligare inkludera administrering av följande psykometriska skalor och frågeformulär: Test di Intelligenza Breve (TIB; Sartori, 1997; Colombo, 2002), administreringstid cirka 5 minuter; Hamilton Depression Rating Scale (HDRS-21; Hamilton, 1960; Cassano et al., 1991), administreringstid cirka 20 minuter; Hamilton Anxiety Rating Scale (HARS; Hamilton, 1959; Cassano et al., 1991), administreringstid cirka 15 minuter; Montgomery-Åsberg Depression Rating Scale (MADRS; Montgomery & Åsberg, 1979; Palma et al., 1999), administreringstid cirka 15 minuter; Young Mania Rating Scale (YMRS; Young et al., 1978; Palma et al., 1999), administreringstid cirka 15 minuter; och Global Assessment of Functioning (GAF; Hall, 1995; APA, 1996), administreringstid cirka 2 minuter; Family Interview for Genetic Studies (FIGS); Drugs Abuse Screening Test (DAST-10), administreringstid har uppskattats till nära 5 minuter. TWEAK-test med en genomförandetid på ungefär 2 minuter. Childhood Trauma Questionnaire (CTQ), det kräver 5-10 minuter och kommer administreras vid baslinje. Paykel Scale for Recent Life Events, dess administrering tar cirka 15 minuter och kommer genomföras vid baslinje; Clinician Rating Scale (CRS), registrerad på nära 2 minuter vid varje tidpunkt och syftar till att utvärdera patienters följsamhet till farmakologisk behandling.

   Biologisk markörutvärdering: Genreglering, inflammation, mikrobiotadata

   Biologiska prover för genuttrycks-, inflammations- och mikrobiomanalyser kommer samlas in vid baslinje, T2 och T3. Specifikt:

   1. ostimulerade salivprover – dvs. helsaliv insamlat under viloförhållanden utan gustatorisk, mastikatorisk eller farmakologisk stimulering – kommer erhållas med bomullskindpåsar (Salivette, Sarstedt, Nümbrecht, Tyskland) och förvaras vid -20 °C tills genomiskt DNA (gDNA) extraheras. Exosomer kommer även isoleras från saliv och miRNA renas med ett exosom-RNA-isoleringskit.

   2. perifera venösa blodprover kommer samlas in i två 5 ml vakuumrör som innehåller natriumcitrat. Serum och cellulära komponenter kommer separeras och totalt RNA samt gDNA kommer extraheras från PBMC.

      Alla biologiska prover insamlade vid de tre rekryteringsplatserna (enhet 1, 2 och 3) kommer överföras till centrallaboratoriet (enhet 4) för standardiserad bearbetning och analyser, inklusive:

      - LIPIDOMIK för att analysera kortkedjiga fettsyror (SCFA) extraherade från saliv, derivatisering för LC-MS/MS-analys kommer genomföras.

      Molekylärbiologiska studier:

      - genuttrycksanalys. Relativ abundans av mRNA-arter i PBMC kommer bedömas med real-time RT-PCR och Digital PCR.

      - DNA-metylering i både blod- och salivceller a. allmän DNA-metyleringsstatus kommer analyseras med Reduced representation bisulfite sequencing (RRBS)-metoden (SBS-sekvensering av SURFseq5000-plattformen); b. gen-specifik DNA-metyleringsstudie kommer utföras på amplifierat bisulfit (BS)-behandlat DNA och metyleringsnivåer analyseras med PyroMark Q48 (64).

      - saliv-exosomal miRNA: miRNOme-analys och utvald miRNA efter nätverksanalys med RealTime PCR och Digital PCR.

      • Transkriptionsfaktorer DNA-bindning. ALPHAScreenTM-assayteknik för att verifiera om identifierade erkännandelement vid genpromotorer binder till olika transkriptionsfaktorer och om denna bindning direkt moduleras av metyleringsgraden hos CpG-motiv.
      • Saliv-MIKROBIOTASAMMANSÄTTNING genom 16S rRNA Mikrobiomsekvensering.

      Neurobildutvärdering

      MR-utvärderingar kommer utföras med 3T-skannrar vid T0, T2 och T3, och inkluderar:

      - Strukturell MR (sMRI): 3D T1-viktade bilder kommer erhållas med en SPGR-sekvens (TE = minimum (full); flipvinkel, 6°; FOV, 250 mm; bandbredd, 31,25; matris, 256 x 256) med 124 axiella skikt av 1,3 mm tjocklek. Efter kortikal ytrekonstruktion kommer lokala gyrefikationsindex beräknas för 68 parcelerade kortikala regioner baserat på Desikan-atlasen med FreeSurfer v7.1.0. En jackknife bias-uppskattningsprocedur kommer sedan tillämpas för att bestämma varje individs bidrag till gruppnivåns kovariansstruktur, vilket genererar en 68×68 individuvis distansmatris. Den topologiska organisationen hos de resulterande strukturella kovariansnätverken kommer därefter analyseras med Graph Analysis Toolbox.

      - Vilofunktionell MR: rs-fMRI-bilder kommer erhållas med en gradient-eko EPI-sekvens med 36 axiella skikt (TE = 30 ms; TR = 2000 ms; voxelstorlek: 3×3×4 mm3; matrisstorlek: 64×64; FOV: 192×192 mm2);, inhämtad i omväxlande ordning. Varje vilofunktionell session kommer bestå av 400 volymer. Förbearbetning kommer genomföras med en kombination av FMRIB's Software Library (FSL) och anpassade MATLAB-skript. Pipelinen kommer inkludera följande steg: (1) reorientering till standardutrymme; (2) detektion av avvikande volymer, följt av spline-baserad interpolation av avvikande tidpunkter; (3) rumslig och temporell förbearbetning, inklusive rörelsekorrigering (MCFLIRT), temporalt höggassfilter och rumslig utjämning (FWHM = 5 mm); (4 hjärnextraktion av den strukturella bilden; (5) icke-linjär registrering till MNI152-standardutrymmet med FSL-FNIRT. Statiska och dynamiska funktionella konnektom kommer estimeras genom att beräkna z-transformerade Pearsons korrelationskoefficienter mellan alla par av hjärnregioner i det antagna parceleringsschemat. Dynamisk konnektivitet kommer beräknas med ett glidande-fönster-tillvägagångssätt med en fönsterlängd på 30 TR och ett stegstorlek på 2 TR. Dessa steg kommer implementeras genom internutvecklad programvara i MATLAB. Grafteoretiska mått kommer beräknas genom Brain Connectivity Toolbox (MATLAB).

      För att minimera platsvariation i neurobilddata kommer både strukturella och funktionella MR-inhämtningar utföras med harmoniserade protokoll över de två bildgivningscentren, var och en utrustad med en 3 T-skanner. ML-algoritmer En ML-ramverk kommer utvecklas för att prediktera kliniska stegövergångar vid BD genom att integrera insamlade kliniska, biologiska och neurobilddata. För att hantera integrationen av multimodal data kommer vi använda robusta förbearbetningspipelines inklusive datanormalisering, avvikelsedetektion och imputeringsmetoder för hantering av saknade värden (t.ex. k-nearest neighbor eller multiple imputation). ML-analyser kommer starta vid månad 6 av studien och kommer utföras med MATLAB's Statistics and Machine Learning Toolbox, initialt stödd av NeuroMiner-programvara (http://proniapredictors.eu/neurominer/index.html), en validerad programplattform designad för att hantera heterogena dataset. NeuroMiner tillhandahåller ett brett utbud av korsvalideringsramar, förbearbetningsstrategier, övervakade inlärningsalgoritmer, funktionsvalsverktyg och externa valideringsmetoder. ML-tillvägagångssättet kommer baseras på övervakade klassificerare, främst Support Vector Machine (SVM) och Bayesianska modeller. I den preliminära fasen kommer klassificerare tränas och testas på preliminära dataset för att jämföra alternativa prediktiva modeller i en kontrollerad miljö och identifiera den bäst presterande algoritmkonfigurationen. Därefter kommer funktionsvalsprocedurer användas för att identifiera de mest diskriminerande variablerna från poolen av kandidatfunktioner. Detta steg är avgörande för att förbättra modelltolkbarhet och förhindra överanpassning, särskilt i småprovshögdimensionella dataset typiska för multimodala studier. Genom att reducera antalet inmatningsvariabler minimerar funktionsvalsprocessen brus, minskar modellkomplexitet och förbättrar generaliserbarheten hos ML-prediktionerna. Om nödvändigt (dvs. om dimensionaliteten i funktionsutrymmet fortfarande är för hög), för att ytterligare reducera överanpassning och beräkningsbördan, kan Principal Component Analysis tillämpas. SVM-klassificerare kommer prioriteras på grund av deras robusthet i hantering av högdimensionella, småprovsdata. Dessutom kommer klassvikter tillämpas så att fel på minoritetsstadier straffas tyngre, vilket reducerar biasen introducerad av ojämna gruppstorlekar. Modellprestanda kommer bedömas med korsvalideringstekniker (t.ex. leave-one-out eller stratifierad k-fold, beroende på datastruktur och klassfördelning) och utvärderas i termer av sensitivitet, specificitet, F1-poäng och övergripande noggrannhet, för att ta hänsyn till potentiell klassobalans. En fördefinierad miniminoggrannhet på 90 % krävs för modellimplementering på hela datasetet. Studieplatser och organisationsstruktur BOARDING-PASS-studien kommer genomföras över fyra operativa enheter (UO), var och en med definierade roller för att säkerställa hög kvalitet på datainhämtning och standardiserade kliniska procedurer.

      - UO1 (ASST Fatebenefratelli-Sacco, Milano) är det koordinerande centret, ansvarigt för patientrekrytering och baslinjediagnostiska utvärderingar, standardiserad insamling av kliniska och biologiska data. UO1-forskare kommer tillhandahålla koordinering och tillsyn inom det multcentriska forskningsnätverket, upprätthålla effektiv kommunikation mellan kliniker, forskare och teknisk personal.

      • UO2 (ASST Papa Giovanni XXIII, Bergamo) är ansvarig för deltagarrekrytering, diagnostisk utvärdering, insamling av biologiska prover, strukturella och vilofunktionella MR-datainhämtning även på uppdrag av UO1, och strukturell neurobildanalys.
      • UO3 (ASL 2 Lanciano-Vasto-Chieti) kommer genomföra deltagarrekrytering och utvärdering, datainsamling och hantering, insamling av biologiska prover, samt strukturell och funktionell neurobilddatainhämtning.
      • UO4 (University of Teramo) fungerar som den centraliserade anläggningen ansvarig för biologiska analyser, specifikt genreglering och mikrobiomanalyser. UO4 är även ansvarig för analys av funktionell neurobilddata och för implementering av ML-algoritmer.