人工智能对布鲁格达综合征遗传背景进行优先排序 (AI4Cardio)
使用人工智能对布鲁格达综合征队列中致病遗传背景进行优先排序:一项观察性回顾性研究
研究概览
地位
条件
详细说明
布鲁格达综合征 (BS) 是一种遗传性心电疾病,可导致年轻无症状个体晕厥和心脏骤停。 据怀疑,普通人群中 4-12% 的心源性猝死病例是由它引起的。 诊断依赖于识别 I 型心电图模式,其特征是 ST 段抬高,右心前导联呈凹形形态。 西方国家的患病率估计为1:5000。 目前,植入心脏复律除颤器(ICD)是唯一的治疗选择,但风险分层指南仍然不完整,特别是对于无症状个体。
BS 作为常染色体显性遗传,具有不完全外显率。 虽然 23 个基因与 BS 易感性相关,但 70% 的患者仍然没有遗传特征,这表明存在更复杂的遗传模式。 尽管有证据表明某些遗传变异与较高的心律失常风险有关,但遗传学尚未纳入风险分层指南。 这种知识差距强调了扩大我们对 BS 遗传学的理解以提高诊断灵敏度和患者管理的重要性。
该方案以意大利卫生部 (GR-2016-02362316) 授予的一项研究的初步数据为基础,其中使用下一代测序 (NGS) 来调查 200 名 BS 患者的整个编码区 (全外显子组测序_WES) 。 该研究旨在识别新的 BS 候选基因并描述该病症的遗传基础。
该队列是根据 I 型心电图的存在进行选择的,该心电图要么是自发的,要么是由氟卡尼或阿马林诱导的。 患者接受了彻底的心脏评估,以排除其他情况。 随访包括每年评估以及对室性心动过速风险较高的患者进行更频繁的评估。
利用 WES 识别出大量遗传变异,促使使用人工智能 (AI) 对测序数据进行优先排序。 人工智能技术,包括先进的算法和机器学习,可以通过过滤常见变异、预测致病性和整合临床数据来简化潜在致病基因变异的识别。
鉴于超过 70% 的 BS 患者仍未得到基因诊断,高通量测序方法对于全面了解 BS 遗传学至关重要。 这项研究旨在有助于识别新的遗传因素并改善受影响患者的风险分层。 该项目的所有测序数据均已生成,并将使用人工智能进行分析,无需招募更多患者或进行测序。
研究类型
注册 (实际的)
联系人和位置
学习地点
-
-
-
Milan、意大利、20132
- IRCCS San Raffaele
-
Milan、意大利
- Milano-Bicocca University
-
-
参与标准
资格标准
适合学习的年龄
- 成人
- 年长者
接受健康志愿者
取样方法
研究人群
描述
纳入标准:
- 根据自发的或由氟卡尼或阿马林诱导的 I 型心电图 (ECG) 的存在,选择了 200 名 BS 患者并进行临床评估。
排除标准:
- 本研究未采用排除标准。 将调查和考虑之前对 200 名 BS 患者进行测序的整个队列,利用 AI 方法对可用测序数据进行优先级排序。
学习计划
研究是如何设计的?
设计细节
队列和干预
团体/队列 |
|---|
|
BrS 患者
圣拉斐尔医院心脏电生理学和心律失常科选择了 200 名 BS 患者,并对其进行了临床评估,以确定是否存在自发的或由氟卡尼或阿马林诱导的 I 型心电图 (ECG)。
通过经胸超声心动图和负荷试验对所有患者的心脏形态和功能特征进行分析,以排除致心律失常性右心室发育不良和缺血性心脏病的患者。
在临床特征中,12导联信号平均心电图参数和所有可能的危险因素均已得到评估。
已对自发 BS 模式 1 ECG 患者或具有诱导 BS 模式 1 ECG 且至少有一种危险因素的患者进行了电生理学研究。
对于诱发室性心动过速的易感性较高的患者,已植入 ICD。
|
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 |
|---|---|---|
|
使用基于人工智能的方法,可能与布鲁格达综合症相关的新候选基因。
大体时间:1年
|
BS 表型背后的遗传变异的优先级:先前测序的 200 个 BS 的整个外显子组数据将使用 UniMIB 合作者开发的基于人工智能的方法进行优先级排序。
|
1年
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
识别与较差表型相关的遗传风险因素。
大体时间:1年
|
新的假定基因与临床变量的相关性,先前收集在本研究的综合数据库中。
|
1年
|
合作者和调查者
调查人员
- 首席研究员:Chiara Di Resta, PhD、IRCCS San Raffaele Hospital
出版物和有用的链接
一般刊物
- 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.
研究记录日期
研究主要日期
学习开始 (实际的)
初级完成 (实际的)
研究完成 (实际的)
研究注册日期
首次提交
首先提交符合 QC 标准的
首次发布 (实际的)
研究记录更新
最后更新发布 (实际的)
上次提交的符合 QC 标准的更新
最后验证
更多信息
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.