此页面是自动翻译的,不保证翻译的准确性。请参阅 英文版 对于源文本。

GENOMED4ALL:通过 AI 改进 MDS 分类和预后

2022年9月6日 更新者:Istituto Clinico Humanitas

全民基因组和个性化医疗 (GENOMED4ALL):人工智能在改善骨髓增生异常综合征疾病分类和预后中的应用。

骨髓增生异常综合征 (MDS) 通常发生在老年人身上。 当前的疾病分类系统和预后评分(国际预后评分系统,IPSS)存在局限性,并且在大多数情况下无法在个体水平上获取可靠的预后信息。 MDS 的研究已经通过基因组表征迅速转变,并且越来越多的证据表明突变筛查可以为当前可用的预后评分增加重要信息。 该项目旨在通过实施个性化医学方法,开发基于人工智能 (AI) 的解决方案,以改进 MDS 分类和预测。 GENOMED4ALL 与欧洲罕见血液病参考网络(ERN-EuroBloodNet,FPA 739541)密切合作,涉及网络中的多个临床合作伙伴,同时利用将收集的医疗信息和存储库,这些信息和存储库包含 ERN-EuroBloodNet 推广的互操作性标准中央登记处,欧洲罕见血液病平台(ENROL,GA 947670)。

研究概览

地位

主动,不招人

详细说明

骨髓增生异常综合征 (MDS) 通常发生在老年人身上。 患者出现外周血细胞减少症,并且随着时间的推移,这些受试者中的一部分会演变成急性髓性白血病 (AML)。 MDS 的自然史是多种多样的,从预期寿命接近正常的疾病到接近 AML 的疾病,因此必须采用风险适应的治疗策略。 当前的预后评分(修订版国际预后评分系统,IPSS-R)存在局限性,并且在大多数情况下无法在个体水平上获取可靠的预后信息。

MDS 的研究已通过基因组表征迅速转变。 在正常 DNA 复制过程中,造血干细胞基因组中的体细胞突变发生频率较低,但可检测到。 任何导致相对于其他自我更新细胞具有选择性优势的基因改变都将导致克隆优势(克隆造血,CH)。 CH 的后果是基因组不稳定,导致获得额外突变和发展为 MDS、实体癌和其他疾病的风险增加。 个体突变的时间和地点及其在疾病过程中的克隆出现是更好地理解 MDS 发病机制和表型以及制定癌症预防策略的核心问题。

在定义 MDS 的分子结构方面已经迈出了重要的一步。 与5q缺失相关的MDS来源于RPS14基因的单倍体不足。 在高比例的 MDS 受试者中发现了编码剪接体成分的基因。 环形铁粒幼细胞与SF3B1突变之间存在密切关系,符合因果关系。 此外,越来越多的基因被发现在MDS中携带反复突变,参与DNA甲基化(DNMT3A、TET2、IDH1/2)、染色质修饰(EZH2、ASXL1)、转录调控(RUNX1)、信号转导(KRAS) , CBL).

据报道,基因突变会影响 MDS 患者的生存和疾病进展的风险,突变状态的评估可能会为目前使用的预后评分增加重要信息。 例如,我们发现 SF3B1 突变是良好预后的独立预测因子,而 ASXL1、SRSF2、RUNX1、TP53 和 EZH2 基因的驱动突变与生存概率降低相关。 具有环形铁粒幼细胞的 MDS 提供了最好的证据,证明负责初始克隆的突变基因的鉴定与临床结果相关。 事实上,环形铁粒幼细胞不仅存在于 SF3B1 突变的患者中,而且存在于 SRSF2 初始致癌病变的患者中。 然而,前者的中位无白血病生存期 >10 年,后者 <2 年。

此外,突变筛查可能会影响临床决策:a) 在具有 5q- 的 MDS 中,携带 TP53 突变的受试者具有更高的白血病进展风险和更低的对来那度胺反应的可能性; b) 在接受 HSCT 的患者中,TP53 突变预示着复发的高概率; c) SF3B1 突变与红细胞对 TGFb 抑制剂 (luspatercept) 反应的可能性增加有关,并且 d) TET2 突变可能与对 HMA 的反应有关。

尽管有这些发现,但仍需要谨慎对待在临床实践中立即采用此类突变检测。 首先,给定个体中突变的存在仅具有有限的预测能力,因为无论突变状态如何,转化为 MDS 都是罕见的。 此外,在患有明显 MDS 的患者中,遗传异常仅解释了与特定治疗相关的总生存风险的一部分,这意味着很大一部分仍然与临床和非突变因素有关。 需要对大量患者群体进行综合分析,以及研究基因-基因相互作用和基因型-表型相关性的新方法,以正确估计每个基因组异常对临床结果和治疗反应的独立影响。

通过结合已经可用的大量测序基因组数据和临床信息,作者假设人工智能将允许更好地理解 MDS 生物学和分类,增强当前可用工具的预后/预测能力并以更有针对性的方式应用治疗,从而促进整个欧盟实施个性化医疗计划。

研究类型

观察性的

注册 (预期的)

13284

联系人和位置

本节提供了进行研究的人员的详细联系信息,以及有关进行该研究的地点的信息。

学习地点

      • Milano、意大利
        • Istituto Clinico Humanitas

参与标准

研究人员寻找符合特定描述的人,称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。

资格标准

适合学习的年龄

18年 及以上 (成人、年长者)

接受健康志愿者

不

有资格学习的性别

全部

取样方法

非概率样本

研究人群

受 MDS 影响的患者。 13284 名患者具有临床和基因组信息可用性

描述

纳入标准:

  • 根据 WHO 标准受 MDS 影响的患者 > 18 岁
  • 临床和血液学信息的可用性
  • 靶向突变筛查信息的可用性

排除标准:

  • 以上都不是

学习计划

本节提供研究计划的详细信息,包括研究的设计方式和研究的衡量标准。

研究是如何设计的?

设计细节

队列和干预

团体/队列
GENOMED4ALL - MDS 患者
来自13284名MDS患者的靶向突变筛查信息(NGS包括60个MDS相关基因)

研究衡量的是什么?

主要结果指标

结果测量
措施说明
大体时间
改进 MDS 分类
大体时间:通过学习完成,平均 2 年
通过将临床和血液学信息与基因组特征相结合来改进 MDS 的分类。 为了解决这个问题,将比较不同的统计学习方法(狄利克雷过程(DP)、贝叶斯网络(BN))和机器学习(深度学习物理通知神经网络、约束回归和深度模型),以定义特定的基因型-表型相关性并开发新的疾病分类。
通过学习完成,平均 2 年
预测 MDS 患者的总生存概率(诊断与死亡或随访结束之间的月数)
大体时间:通过学习完成,平均 2 年

总生存期 (OS) 将定义为诊断和死亡(由于所有原因)或随访结束(截尾观察)之间的时间(以月表示)。

将定义新的预后评分,包括以下特征:以年表示的年龄;性别(男性或女性);中性粒细胞计数(中性粒细胞数*10^6/L)、血小板计数(血小板数10^6/L)、血红蛋白浓度(g/dl)、细胞遗传学(根据IPPS-R标准分层,Blood 2012 120:2454 -2465),骨髓原始细胞的百分比和基因突变的存在(存在与不存在)。

将使用不同的统计方法来衡量预测准确性(通过一致性指数、C 指数衡量):Cox 比例风险法、随机生存森林、神经网络、连续个体化风险指数 (CIRI)、时间序列分析和随机马尔可夫建模轨迹预测

通过学习完成,平均 2 年
预测 MDS 患者的无白血病生存率(从诊断到进展为急性白血病或随访结束的月数)
大体时间:通过学习完成,平均 2 年

白血病将被定义为诊断和进展为急性白血病或随访结束之间的时间(以月表示)。

将定义新的预后评分,包括以下特征:以年表示的年龄;性别(男性或女性);中性粒细胞计数(中性粒细胞数*10^6/L)、血小板计数(血小板数10^6/L)、血红蛋白浓度(g/dl)、细胞遗传学(根据IPPS-R标准分层,Blood 2012 120:2454 -2465),骨髓原始细胞的百分比和基因突变的存在(存在与不存在)。

将使用不同的统计方法来衡量预测准确性(通过一致性指数、C 指数衡量):Cox 比例风险法、随机生存森林、神经网络、连续个体化风险指数 (CIRI)、时间序列分析和随机马尔可夫建模轨迹预测

通过学习完成,平均 2 年

合作者和调查者

在这里您可以找到参与这项研究的人员和组织。

调查人员

  • 首席研究员:Federico Alvarez、UNIVERSIDAD POLITECNICA DE MADRID SPAIN
  • 首席研究员:Lucia Comnes、DATAWIZARD SRL ITALY
  • 首席研究员:Mar Manu Pereira、FUNDACIO HOSPITAL UNIVERSITARI VALL D'HEBRON - INSTITUT DE RECERCA SPAIN
  • 首席研究员:Pierre Fenaux、ASSISTANCE PUBLIQUE HOPITAUX DE PARIS FRANCE
  • 首席研究员:Torsten Haferlach、MLL MUNCHNER LEUKAMIELABOR GMBH GERMANY
  • 首席研究员:Maria Diez Campelo、Instituto de investigacion biomedica de Salamanca, IBSAL SPAIN
  • 首席研究员:Uwe Platzbecker、UNIVERSITAET LEIPZIG GERMANY
  • 首席研究员:Gastone Castellani、ALMA MATER STUDIORUM - UNIVERSITA DI BOLOGNA ITALY
  • 首席研究员:Andres Krogh、KOBENHAVNS UNIVERSITET DENMARK
  • 首席研究员:Babita Singh、FUNDACIO CENTRE DE REGULACIO GENOMICA SPAIN
  • 首席研究员:Piero Fariselli、UNIVERSITA DEGLI STUDI DI TORINO ITALY
  • 首席研究员:Kostantinos Marias、IDRYMA TECHNOLOGIAS KAI EREVNAS GREECE
  • 首席研究员:Mar Mañu Pereira、European Reference Network on Rare Hematological Diseases (ERN-EuroBloodNet)

出版物和有用的链接

负责输入研究信息的人员自愿提供这些出版物。这些可能与研究有关。

一般刊物

研究记录日期

这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查,以确保它们在发布到公共网站之前符合特定的质量控制标准。

研究主要日期

学习开始 (实际的)

2021年3月15日

初级完成 (预期的)

2022年12月15日

研究完成 (预期的)

2024年12月31日

研究注册日期

首次提交

2021年5月5日

首先提交符合 QC 标准的

2021年5月12日

首次发布 (实际的)

2021年5月17日

研究记录更新

最后更新发布 (实际的)

2022年9月9日

上次提交的符合 QC 标准的更新

2022年9月6日

最后验证

2022年9月1日

更多信息

与本研究相关的术语

药物和器械信息、研究文件

研究美国 FDA 监管的药品

不

研究美国 FDA 监管的设备产品

不

此信息直接从 clinicaltrials.gov 网站检索,没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求,请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改,我们的网站上也会自动更新.

订阅