Descripción del proyecto
Una selección precisa de los enfermos de Alzheimer para ensayos clínicos
La enfermedad de Alzheimer destruye lentamente la memoria y las habilidades cognitivas y, en última instancia, la habilidad de llevar a cabo las tareas más simples. No tiene cura y la tasa de fracaso de los ensayos clínicos para los nuevos tratamientos es superior al 99 %. Esta situación desalentadora ha llevado a los científicos a centrarse en la inclusión de enfermos de Alzheimer en fase prodrómica (P-AD, por sus siglas en inglés) en ensayos clínicos. Esto es complejo, teniendo en cuenta que todas las metodologías actuales (tomografía de emisión positrónica o resonancia magnética) conducen a un gran número de falsos positivos y negativos. A fin de abordar este problema, el equipo del proyecto MAP-AD, financiado con fondos europeos, ha desarrollado algoritmos de aprendizaje automático que pueden identificar patrones específicos de metilación en el ADN mitocondrial aislado de las muestras de sangre de pacientes con P-AD, lo que permite por primera vez la selección rápida y precisa de los enfermos que se incluirán en ensayos clínicos independientes del estado del amiloide β.
Objetivo
Each year an estimated 40M people suffer from Alzheimer’s disease (AD) globally, and a new case is diagnosed every 4 seconds, leading to a substantial socioeconomic burden of over €800B annually. Despite this large need, currently there is no cure available for AD. Moreover, the clinical trial failure rate for novel AD therapies being tested is over 99%. Every failed trial leads to large financial losses for the trial sponsor, and as a result there is an urgent need to reimagine AD clinical trial design.
Recently, there has been a paradigm shift in the design of AD clinical trials, with most new trials now focusing on enrollment of Prodromal AD (P-AD) patients. However, patient recruitment in the P-AD stage is challenging as current methodologies (PET, MRI) lead to a large number of false positive and negative cases. As a result, optimal stratification of P-AD patients during clinical trial recruitment, remains an unmet market need.
To meet this market need, ADmit Therapeutics, an innovative diagnostics SME, aims to deliver MAP-AD: an automated epigenetic analysis platform for accurate prediction of progression status of P-AD patients. The MAP-AD platform relies on novel machine learning algorithms that can identify specific methylation patterns in mitochondrial DNA (mtDNA) isolated from the blood samples of P-AD patients. This allows for a rapid and accurate selection of patients to be enrolled into a clinical trial independent of Aβ status, for the first time.
During this EIC Accelerator project, we will finalize the development of our predictive algorithms together with a dedicated software interface, and perform clinical validation in collaboration with our hospital partners to deliver a finalized platform that is ready for commercial launch. We have a strong network of partners such as Bellvitge University Hospital, Hospital Clinic de Barcelona, CITA-Alzheimer, Hospital Moisès Broggi, Hospital General de l'Hospitalet, Janssen, Roche who will be the early adopters of MAP-AD.
Ámbito científico (EuroSciVoc)
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
CORDIS clasifica los proyectos con EuroSciVoc, una taxonomía plurilingüe de ámbitos científicos, mediante un proceso semiautomático basado en técnicas de procesamiento del lenguaje natural.
- ciencias médicas y de la saludmedicina básicaneurologíademenciaalzheimer
- ciencias naturalesciencias biológicasgenéticaADN
- ciencias naturalesinformática y ciencias de la informaciónsoftwaredesarrollo de software
- ciencias naturalesinformática y ciencias de la informacióninteligencia artificialaprendizaje automático
Para utilizar esta función, debe iniciar sesión o registrarse
Palabras clave
Programa(s)
Convocatoria de propuestas
Consulte otros proyectos de esta convocatoriaConvocatoria de subcontratación
H2020-EIC-SMEInst-2018-2020-3
Régimen de financiación
SME-2 - SME instrument phase 2Coordinador
08950 ESPLUGUES DE LLOBREGAT
España
Organización definida por ella misma como pequeña y mediana empresa (pyme) en el momento de la firma del acuerdo de subvención.