in

La recherche fulfilled en lumière la gravité des variantes génétiques  établit des mesures de résultats pour les essais thérapeutiques


Les chercheurs du Nationwide Eye Institute ont développé et validé une méthode basée sur l'intelligence artificielle pour évaluer les individuals atteints de Stargardt, une maladie oculaire pouvant entraîner une perte de eyesight chez l'enfant. La méthode quantifie la perte de cellules rétiniennes sensibles à la lumière liée à la maladie, fournissant des informations pour surveiller les patients, comprendre les results in génétiques de la maladie et développer des thérapies pour la traiter. Les résultats publiés aujourd'hui dans JCI Insight.

"Ces résultats fournissent un cadre pour évaluer la development de la maladie de Stargardt, ce qui aidera à contrôler la variabilité importante d'un affected person à l'autre et facilitera les essais thérapeutiques", a déclaré Michael F. Chiang, MD, directeur du NEI, qui fait partie des Countrywide Institutes. de la santé.

Environ 1 personne sur 9 000 développe la forme la in addition courante de Stargardt, ou rétinopathie associée à ABCA4, une maladie autosomique récessive causée par des variants du gène ABCA4. Les gens développent Stargardt lorsqu'ils héritent de deux copies mutées d'ABCA4, une de chaque mother or father. Les personnes qui n'ont qu'une seule copie mutée d'ABCA4 sont des porteurs génétiques, mais ne développent pas la maladie. Des formes furthermore rares de Stargardt sont associées à des variantes d'autres gènes.

Pourtant, même parmi les patients qui ont tous des variants du gène ABCA4, il peut y avoir un substantial éventail en termes d'âge d'apparition et de development de la maladie. tandis qu'un autre peut être un adolescent avec une atteinte limitée à la fovéa, la zone de la rétine qui offre la eyesight centrale la additionally nette dont on a besoin pour lire et voir d'autres détails fins. Pourtant, un autre affected individual peut atteindre la quarantaine sans perte de eyesight.

« Différentes variantes du gène ABCA4 sont probablement à l'origine des différentes caractéristiques ou phénotypes de la maladie. Cependant, les approches conventionnelles d'analyse des changements structurels de la rétine ne nous ont pas permis de corréler les variants génétiques avec le phénotype », a déclaré le co-responsable de l'étude, Brian P. Brooks, MD, Ph.D. chef du NEI Ophthalmic Genetics & Visible Branche de fonction. Le Dr Brooks a co-dirigé l'étude avec Brett G. Jeffrey, Ph.D. responsable du noyau de la fonction visuelle humaine de la branche de la génétique ophtalmique et de la fonction visuelle du NEI.

Les chercheurs ont suivi 66 clients Stargardt (132 yeux) pendant cinq ans à l'aide d'une technologie d'imagerie rétinienne appelée tomographie par cohérence optique dans le domaine spectral (SD-OCT). Les images rétiniennes transversales 3D SD-OCT ont été segmentées et analysées à l'aide de l'apprentissage en profondeur, un style d'intelligence artificielle dans lequel d'énormes quantités de données d'imagerie peuvent être introduites dans un algorithme.

Grâce à la méthode d'apprentissage en profondeur.

Additionally précisément,/. Les chercheurs ont également examiné la couche nucléaire externe dans la région immédiate entourant la zone de perte de la zone ellipsoïde.

Sur la foundation de cette prévisibilité, ils pourraient générer un moyen de classer la gravité de 31 variantes ABCA4 différentes.

Fait important. Au lieu de cela. mais quantitativement mesurable - était évident dans les zones éloignées de la limite de perte de la zone ellipsoïde. Cela représentait le front principal réel de la maladie, suggérant que ce serait un domaine à surveiller de près pour déterminer si une nouvelle thérapie avait un effet.

"Nous disposons désormais de mesures de résultats structurels sensibles pour la maladie de Stargardt, applicables à un large éventail de patients, ce qui est essentiel pour aller de l'avant avec des essais thérapeutiques", a déclaré Jeffrey.

L'étude a été financée par le programme de recherche intra-muros NEI. L'étude a été menée au NIH Scientific Center, identifiant ClinicalTrials.gov : NCT01736293.