Het PRISCILA-project wordt gefinancierd door een ERC Starting Grant.
Zwangerschapsdiabetes (GDM) is de meest voorkomende medische complicatie tijdens de zwangerschap; het verhoogt het risico op zwangerschapscomplicaties en leidt op de lange termijn tot een verhoogd cardiometabool risico voor zowel moeder als kind. De huidige aanpak van GDM is gebaseerd op een 'one-size-fits-all'-benadering, ondanks de heterogeniteit in de etiologie van de aandoening. Bovendien zijn de huidige strategieën voor risicostratificatie van beperkte waarde voor klinische besluitvorming. Een gedetailleerde typering van de etiologische subtypen van GDM is van cruciaal belang om (1) de onderliggende pathofysiologie en de daarmee samenhangende verschillen in complicatierisico's te begrijpen en (2) de basis te leggen voor precisiebenaderingen bij risicostratificatie en behandeling. Mijn hypothese is dat een nieuwe vorm van risicostratificatie kan worden ontwikkeld door de verschillende GDM-subtypen nauwkeurig te typeren. Dit gebeurt door middel van integratie – via kunstmatige intelligentie (AI) – van een omvangrijke dataset die klinische en biochemische kenmerken, gegevens van continue glucosemonitoring, nieuwe biomarkers, metabolomics-data en polygene risicoscores omvat. In het kader van het PRISCILA-project zal ik een groot cohorte van GDM-patiënten samenstellen (waaronder een grote groep bij wie de diagnose vroeg in de zwangerschap is gesteld). Hierbij worden zowel gevestigde als innovatieve risicovoorspellers prospectief verzameld, zowel tijdens de zwangerschap als in de periode daarna. Dit levert een ongekende multidimensionale dataset op die 'deep phenotyping' van patiënten mogelijk maakt. Ik zal de data analyseren met behulp van AI om relevante verbanden met klinische uitkomsten te identificeren en een nieuw, op AI gebaseerd risicoalgoritme vergelijken met de huidige stratificatiestrategie. Dit project zal belangrijke nieuwe inzichten opleveren over de kenmerken, de pathofysiologie en de complicatierisico's van de verschillende GDM-subtypen. Deze kennis is ook zeer waardevol voor andere onderzoeksgebieden die zich richten op de ontwikkeling van nieuwe risicovoorspellingsmodellen waarin AI en precisie-biomarkers zijn geïntegreerd. Bij succes zal dit leiden tot een paradigmaverschuiving, waardoor de behandeling van GDM beter kan worden afgestemd op de individuele patiënt.
Er zal een grootschalige prospectieve cohortstudie worden uitgevoerd waaraan 1000 vrouwen met zwangerschapsdiabetes (GDM) deelnemen, van wie ten minste 40% met vroegtijdige GDM. Het betreft een multicentrische studie met deelname van ten minste 14 Belgische ziekenhuizen. De vrouwen worden gevolgd vanaf het begin van de zwangerschap tot één jaar na de bevalling, waardoor klinische en biochemische gegevens gedetailleerd en prospectief kunnen worden verzameld. Dit omvat onder meer gegevens van foetale echografie, een orale glucosetolerantietest met 75 g glucose (uitgevoerd in een vroeg en laat stadium van de zwangerschap, en 3 en 12 maanden na de bevalling), diverse gevalideerde indices voor insulinegevoeligheid en β-celfunctie, HbA1c, het lipidenprofiel, gegevens van continue glucosemonitoring, metabolomics, NIPT (niet-invasieve prenatale test voor het berekenen van polygene risicoscores) en 'Insulin-like growth factor binding protein 1' (IGFBP1). De diagnose GDM wordt in een vroeg stadium van de zwangerschap gesteld op basis van hogere afkapwaarden dan in een later stadium, in overeenstemming met de Vlaamse richtlijnen voor GDM-screening. Omwille van uniformiteit en kostenbesparing worden de laboratoriumanalyses centraal uitgevoerd in het laboratorium van UZ Leuven en worden bloedmonsters tijdelijk opgeslagen in onze bestaande biobank.
Voor de data-analyses zal je voornamelijk focussen op nieuwe biomarkers, polygene risicoscores en metabolomics. Als onderdeel van je doctoraat ondersteun je de studiebezoeken door te helpen bij het klinisch onderzoek, het afnemen van vragenlijsten en het afnemen van bloedstalen bij deelnemers in UZ Leuven. Je zal ook helpen bij het beheer van de databank en de coördinatie van de andere Belgische centra die aan de studie deelnemen.
Daarnaast krijg je in het kader van je doctoraat de mogelijkheid om secundaire analyses uit te voeren op diverse afgeronde studies van de onderzoeksgroep van K. Benhalima (zoals de vervolgstudie van het BEDIP-cohort, waarin het metabole risico op lange termijn bij moeders en kinderen wordt omgezet in relatie tot verschillende gradaties van hyperglykemie tijdens de zwangerschap, en secundaire analyses op de CORDELIA-trial, een RCT waarin CGM wordt vergeleken met capillaire glucosemonitoring bij zwangere vrouwen met GDM).
