一个基于数据的生物标志物发现框架,用于优化阿尔茨海默病的现代临床和临床前试验

科学领域:

• 神经成像是一种神经成像.
• 生物标志物发现发现
• 阿尔茨海默氏症疾病研究研究

背景情况:

• 定子发射断层扫描 (PET) 对于测量阿尔茨海默病 (AD) 中的陶蛋白积累至关重要.
• 标准化吸收值比率 (SUVR) 生物标志物是常用的,但取决于特定地区的选择.
• 优化SUVR区域选择具有挑战性,并影响生物标志物的效用.

研究的目的:

• 引入和评估BioDisCVR,这是一个新的数据驱动框架,用于发现改进的tau PET生物标志物.
• 将BioDisCVR发现的生物标志物与阿尔茨海默病队伍中现有的SUVR方法进行比较.
• 评估新生物标志物对临床试验效率和患者结果的影响.

主要方法:

• BioDisCVR采用数据驱动的最佳复合区域的搜索,以形成基于比例的tau PET生物标志物.
• 该框架应用于来自阿尔茨海默病神经成像计划 (ADNI) 的[18F]AV-1451 tau PET数据以进行发现.
• 外部验证是使用梅奥诊所阿尔茨海默氏症疾病研究中心和梅奥诊所衰老研究 (MCSA) 的数据进行的.

主要成果:

• BioDisCVR发现基于比率的tau PET生物标志物显著超过了最先进的SUVR生物标志物.
• 新型生物标志物表明,在假设的AD临床试验中,测量误差降低,样本大小要求降低.
• 评估指标包括临床试验样本大小估计,纵向一致性和认知组分离.

结论:

• 数据驱动的BioDisCVR框架为阿尔茨海默病提供了优越的TAU PET生物标志物.
• 这些改进的生物标志物可以大幅减少临床试验样本大小,加速药物开发.
• 利用像BioDisCVR这样的数据驱动方法,在阿尔茨海默病研究中及以后,为患者带来好处和节省成本的巨大潜力.