Standardised Human Phenotype Ontology Annotation Enables High Quality Phenotypic Data Capture in a Real-World Common Variable Immunodeficiency Cohort

Cette étude démontre que la mise en œuvre d'un cadre standardisé de l'Ontologie des Phénotypes Humains (HPO) associée à une formation des cliniciens permet une capture de données phénotypiques de haute qualité et granulaires au sein d'une large cohorte britannique de CVID, reliant avec succès des profils immunitaires spécifiques et des variants génétiques à des sous-groupes cliniques distincts afin de faire progresser la compréhension des relations génotype-phénotype et les stratégies thérapeutiques.

L'essentiel

Imaginez que vous essayez de décrire une recette complexe à un ami, mais que chacun utilise son propre argot. L'un dit « une pincée d'épices », un autre « un peu de piquant », et un troisième « quelque chose de pimenté ». Si vous essayez de comparer leurs notes plus tard, c'est le chaos. Vous ne pouvez pas savoir s'ils ont réellement préparé le même plat ou s'ils ont simplement utilisé des mots différents pour la même chose.

C'est exactement le problème auquel les médecins étaient confrontés avec l'Immunodéficience Variable Commune (IVC). C'est une affection où le système immunitaire est affaibli, mais qui se présente différemment chez chaque patient. Certains souffrent de nombreuses infections, tandis que d'autres ont des infections plus des problèmes auto-immuns, des organes gonflés ou des problèmes pulmonaires. Parce que les médecins décrivaient ces symptômes de manières différentes, il était difficile de voir l'ensemble ou de regrouper les patients qui étaient en réalité similaires.

La Solution : Un « Dictionnaire Médical » Universel
Les chercheurs de cette étude ont décidé de résoudre ce problème en utilisant un outil appelé l'Ontologie des Phénotypes Humains (HPO). Considérez l'HPO comme un dictionnaire massif et standardisé des maladies humaines. Au lieu d'écrire « mon ventre me fait mal », un médecin utilisant l'HPO sélectionnerait le terme exact « Douleur abdominale » dans une liste. Au lieu de « mauvais poumons », ils choisiraient « Bronchectasie ».

L'équipe, dirigée par le consortium INTREPID, a développé un outil numérique spécial (un « Outil de Capture des Phénotypes ») pour aider les médecins à utiliser ce dictionnaire. Mais ils savaient que donner simplement un dictionnaire aux médecins ne suffisait pas ; ils devaient leur apprendre à l'utiliser correctement. Ainsi, ils ont formé 28 cliniciens répartis dans 11 hôpitaux du Royaume-Uni à la manière de décrire les patients en utilisant ces termes spécifiques.

L'Expérience : L'Entraînement Rend Parfait
Les chercheurs ont testé leur idée de deux manières :

1. L'Essai : Ils ont donné à 10 médecins le même cas de patient fictif et leur ont demandé de le décrire en utilisant le dictionnaire HPO. Avant la formation, leurs descriptions étaient totalement disparates. Après la formation, elles étaient presque identiques. C'était comme enseigner à un groupe de chefs à mesurer les ingrédients avec la même tasse plutôt que d'estimer à l'œil nu.
2. Le Monde Réel : Ils ont examiné 526 vrais patients atteints d'IVC. Ils ont comparé les notes écrites par les médecins avant la formation à celles écrites après.
   • Avant : Les notes étaient lacunaires. En moyenne, les médecins listaient environ 7 symptômes par patient.
   • Après : Les notes étaient riches et détaillées. La moyenne a bondi à 19 symptômes par patient.
   • Le Résultat : Les médecins n'ont pas seulement écrit plus ; ils ont écrit mieux. Ils ont cessé d'utiliser des termes vagues pour adopter des termes précis, capturant ainsi toute la complexité de la maladie.

Ce Qu'ils Ont Découvert : Le Tri des Groupes « Infection » vs « Complexe »
Grâce à ces données de haute qualité, les chercheurs ont enfin pu trier les patients en deux groupes distincts, comme trier un sac mélangé de billes par couleur :

• Groupe A (Infection-Seulement) : Des patients qui luttaient principalement contre les maladies infectieuses.
• Groupe B (Complexe) : Des patients qui présentaient des infections plus d'autres complications désordonnées comme des attaques auto-immunes, une rate élargie ou des problèmes hépatiques.

Ils ont constaté que 58 % des patients appartenaient au groupe « Complexe ».

Relier les Points : Gènes et Symptômes
Parce que les données étaient si claires, ils ont enfin pu tracer des liens nets entre ce qui se passait à l'intérieur du corps des patients (leurs gènes et leurs cellules sanguines) et ce qui se manifestait à l'extérieur (leurs symptômes).

• L'indice « Complexe » : Les patients du groupe « Complexe » étaient beaucoup plus susceptibles de présenter des mutations génétiques spécifiques (notamment dans un gène appelé NFKB1) et des anomalies spécifiques de leurs cellules immunitaires (comme un manque de cellules B « mémoire commutées »).
• Correspondances Spécifiques :
  • Si un patient présentait une mutation dans le gène NFKB1, il avait de fortes chances de souffrir de neutropénie auto-immune (où le corps attaque ses propres globules blancs combattant les infections).
  • Si un patient présentait une mutation spécifique dans le gène TACI, il était plus susceptible de contracter des infections répétées à levures (Candida).
  • Les patients présentant des taux élevés d'un type spécifique de cellule immunitaire (CD21low) étaient plus susceptibles de souffrir de thrombopénie auto-immune (faible nombre de plaquettes).

Le Conclusion
Cette étude prouve que si vous enseignez aux médecins à parler le même « langage » (HPO) et que vous leur donnez les bons outils, vous pouvez transformer un tas désordonné et confus de notes de patients en une carte claire et organisée.

En faisant cela, ils n'ont pas seulement compté les symptômes ; ils ont découvert que le type « Complexe » d'IVC est biologiquement différent du type « Infection-Seulement ». Ils ont constaté que certaines erreurs génétiques sont directement liées à des complications spécifiques et graves. Cela signifie qu'à l'avenir, l'examen du code génétique spécifique d'un patient et de sa liste détaillée de symptômes pourrait aider les médecins à comprendre exactement quel type d'IVC un patient présente, plutôt que de tous les traiter de la même manière.

En bref : Ils ont construit un meilleur système de classement, enseigné au personnel comment l'utiliser, et ce faisant, ont découvert des modèles cachés qui expliquent pourquoi certains patients tombent plus malades que d'autres.

Résumé technique

1. Énoncé du problème

L'immunodéficience commune variable (ICV) est l'immunodéficience primitive (IDP) la plus prévalente, caractérisée par une hétérogénéité clinique significative. Les patients présentent des manifestations diverses allant des infections récurrentes à des dysrégulations immunitaires complexes (auto-immunité, lymphoprolifération, granulomes).

• Le Défi : Les systèmes de classification actuels (par exemple, EUROClass) reposent sur le phénotypage des lymphocytes B mais manquent souvent de données cliniques granulaires et standardisées. Les registres existants souffrent de saisies de données incohérentes, de pratiques de codage variables et d'un manque de profondeur phénotypique structurée, ce qui entrave l'identification des corrélations génotype-phénotype et la stratification des patients pour des thérapies ciblées.
• Le Vide : Bien que l'Ontologie des Phénotypes Humains (HPO) offre un cadre structuré pour les maladies rares, son application dans de grandes cohortes réelles d'ICV a été limitée par des obstacles tels que la méconnaissance des cliniciens, les pressions temporelles et l'absence d'outils standardisés pour la capture de données.

2. Méthodologie

L'étude a exploité le projet INTREPID (Recherche Translationnelle Intégrative en Immunodéficience Primitive), une initiative de séquençage du génome entier (WGS) à l'échelle du Royaume-Uni.

• Cohorte : 526 patients adultes atteints d'ICV recrutés dans 11 centres britanniques.
• Développement d'outils : Les auteurs ont développé un Outil de Capture de Phénotype (PCT) basé sur le web.
  • Comporte une boîte de recherche avec autocomplétion pour les termes HPO.
  • Permet la saisie de valeurs numériques de laboratoire qui sont automatiquement mappées sur les termes HPO correspondants.
  • Inclut un champ spécifique « Oui/Non » pour la maladie pulmonaire interstitielle lymphocytaire granulomateuse (GLILD), car ce n'était pas initialement un terme HPO standard.
• Formation des cliniciens : Un programme de formation structuré a été mis en œuvre où les cliniciens ont pratiqué sur des cas fictifs.
  • Analyse pré- vs post-formation : L'étude a comparé les annotations HPO effectuées par les cliniciens avant la formation (lors du recrutement initial pour le WGS) avec les annotations effectuées après la formation pour les mêmes patients.
  • Métriques de cohérence : Des scores de similarité sémantique de Lin en paires ont été calculés pour mesurer l'accord inter-cliniciens.
• Analyse des données :
  • Catégorisation : Les patients ont été stratifiés en deux groupes basés sur les termes HPO : Infection uniquement (infections récurrentes/bronchectasies) vs Complexe (infections + auto-immunité, splénomégalie, lymphoprolifération, GLILD, etc.).
  • Tests statistiques : Les associations entre les phénotypes, les sous-ensembles de lymphocytes B (EUROClass), les niveaux d'immunoglobulines et les variants génétiques ont été testées à l'aide de tests de Cochran-Mantel-Haenszel (stratifiés par centre) avec correction de Benjamini-Hochberg (BH) pour les tests multiples.
  • Réduction de dimensionnalité : L'analyse en composantes principales (ACP) utilisant des embeddings HPO (node2vec) a été utilisée pour visualiser le regroupement phénotypique.

3. Contributions clés

• Première application HPO à grande échelle dans l'ICV : Il s'agit de la première étude appliquant systématiquement une annotation HPO granulaire à une grande cohorte réelle d'ICV (n=526).
• Validation des flux de travail de formation : Démontre que la formation structurée des cliniciens améliore considérablement à la fois la granularité (nombre de termes par patient) et la cohérence (fiabilité inter-évaluateurs) des données phénotypiques.
• Stratification phénotypique affinée : Définition réussie d'un sous-groupe « ICV Complexe » distinct des patients « Infection uniquement » en utilisant un ensemble de termes HPO basé sur la logique.
• Curration de l'ontologie : Identification de 41 termes HPO spécifiques à la maladie manquants (par exemple, types spécifiques de granulomes, infections récurrentes) et proposition de nouvelles relations hiérarchiques, soumis à la base de données HPO.
• Science ouverte : Mise à disposition de l'Outil de Capture de Phénotype, du pipeline d'analyse (GitHub) et d'un ensemble de données complet de 883 termes HPO uniques mappés à la cohorte.

4. Résultats clés

• Impact de la formation :
  • Granularité : Le nombre médian de termes HPO non redondants par patient est passé de 7 (IQR 8) avant formation à 19 (IQR 11) après formation ($P < 2,2 \times 10^{-16}$).
  • Cohérence : La similarité sémantique en paires entre les cliniciens annotant le même cas était élevée (médiane 0,80), indiquant que des pratiques de codage standardisées ont été atteintes.
• Stratification de la cohorte :
  • Infection uniquement : 42 % (220 patients).
  • ICV Complexe : 58 % (306 patients).
  • L'analyse ACP a confirmé que la première composante principale séparait efficacement ces deux groupes.
• Associations génotype-phénotype :
  • Phénotype Complexe : Significativement associé à des lymphocytes B mémoire commutés très bas (<2 %) et à des lymphocytes B CD21low étendus (>10 %).
  • Facteurs génétiques : Les patients atteints de maladie complexe étaient significativement plus susceptibles de porter des variants pathogènes dans les gènes listés par l'IUIS dans l'ensemble ($P=0,002$) et spécifiquement des variants NFKB1 ($P=0,0035$).
  • Associations spécifiques :
    • Variants NFKB1 $\leftrightarrow$ Neutropénie auto-immune ($P = 7,4 \times 10^{-6}$).
    • Variants IUIS pathogènes (non NFKB1/TACI) $\leftrightarrow$ Anémie hémolytique auto-immune ($P = 0,009$).
    • Variants canoniques TNFRSF13B (TACI) $\leftrightarrow$ Infections récurrentes à Candida ($P = 0,046$).
    • IgM élevées $\leftrightarrow$ Infiltration lymphocytaire interstitielle pulmonaire ($P = 4,5 \times 10^{-7}$).
• Corrélats des lymphocytes B :
  • Des lymphocytes B mémoire commutés très bas étaient associés à une splénomégalie.
  • Des lymphocytes B CD21low étendus étaient liés à l'auto-immunité, spécifiquement à la thrombopénie auto-immune.

5. Signification et implications cliniques

• Standardisation : L'étude prouve que le phénotypage basé sur HPO est réalisable dans la pratique clinique courante lorsqu'il est soutenu par des outils conviviaux et une formation. Il réduit la variabilité inter-cliniciens, permettant des comparaisons multicentriques robustes.
• Médecine de précision : En distinguant l'« ICV Complexe » de l'« ICV Infection uniquement », l'étude facilite une meilleure stratification des patients. Cela est crucial pour identifier les patients qui pourraient bénéficier de thérapies immunosuppressives (pour la maladie complexe) par rapport à ceux nécessitant uniquement un remplacement par immunoglobulines.
• Découverte génétique : Les données phénotypiques de haute qualité renforcent la puissance du WGS pour identifier des causes monogéniques (comme NFKB1) et les relier à des sous-phénotypes cliniques spécifiques, dépassant le cadre « basé sur le diagnostic » pour adopter une approche « pilotée par le phénotype ».
• Perspectives futures : Les auteurs soulignent que si l'annotation manuelle est efficace, les travaux futurs devraient intégrer l'extraction automatisée à partir de dossiers médicaux électroniques (DME) non structurés pour capturer des données longitudinales et approfondir davantage la résolution phénotypique.

En conclusion, cet article établit une nouvelle norme pour la recherche sur l'ICV, fournissant un ensemble de données codé HPO, validé et de haute qualité, qui permet la dissection de l'hétérogénéité de la maladie et soutient le développement de stratégies thérapeutiques ciblées.