Description du projet
Une sélection précise des patients atteints de la maladie d’Alzheimer pour les essais cliniques
La maladie d’Alzheimer (MA) détruit lentement la mémoire et les compétences cognitives et, à terme, la capacité d’effectuer les tâches les plus simples. Il n’existe aucun remède, et le taux d’échec des essais cliniques cherchant de nouveaux traitements est supérieur à 99 %. Cette situation décourageante a conduit les scientifiques à se concentrer sur le recrutement de patients en phase prodromique de la MA (P-MA) dans des essais cliniques. Il s’agit d’un processus complexe, étant donné que toutes les méthodes actuelles (TEP, IRM) aboutissent à un grand nombre de cas faux positifs et faux négatifs. Pour résoudre ce problème, le projet MAP-AD, financé par l’UE, a mis au point des algorithmes d’apprentissage automatique pouvant identifier des modèles de méthylation spécifiques dans de l’ADN mitochondrial isolé à partir d’échantillons sanguins de patients en P-MA, permettant donc pour la première fois de sélectionner précisément et rapidement les patients à recruter dans des essais cliniques indépendamment des taux de bêta-amyloïde.
Objectif
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.
Champ scientifique (EuroSciVoc)
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN.
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN.
- sciences médicales et de la santémédecine fondamentaleneurologiedémencealzheimer
- sciences naturellessciences biologiquesgénétiqueADN
- sciences naturellesinformatique et science de l'informationlogicieldéveloppement logiciel
- sciences naturellesinformatique et science de l'informationintelligence artificielleapprentissage automatique
Vous devez vous identifier ou vous inscrire pour utiliser cette fonction
Mots‑clés
Programme(s)
Régime de financement
SME-2 - SME instrument phase 2Coordinateur
08950 ESPLUGUES DE LLOBREGAT
Espagne
L’entreprise s’est définie comme une PME (petite et moyenne entreprise) au moment de la signature de la convention de subvention.