Basándose en la cohorte PESA (Progression of Early Subclinical Atherosclerosis) que recopila una gran cantidad de datos de más de 4.000 voluntarios sanos, un equipo de científicos del Centro Nacional de Investigaciones Cardiovasculares (CNIC) ha diseñado un algoritmo que personaliza el riesgo cardiovascular de individuos de mediana edad y sanos, atendiendo a su edad, tensión arterial, dieta y marcadores medibles en análisis de sangre y orina convencionales.
El algoritmo EN-PESA, cuya descripción publica hoy The Journal of American College of Cardiology (JACC), podría calcular de forma sencilla y económica el grado de aterosclerosis subclínica -caracterizada por el depósito de sustancias lipídicas en las paredes de las arterias-, especialmente para las personas con un mayor riesgo.
Los autores del trabajo escriben que “gracias a este algoritmo se puede mejorar el manejo clínico de personas aparentemente sanas y con un bajo riesgo cardiovascular según los marcadores tradicionales, pero que presentan una extensión generalizada de aterosclerosis subclínica o una probabilidad alta de que la enfermedad progrese significativamente a corto plazo”.
Este nuevo sistema de cálculo forma parte del proyecto colaborativo PESA-CNIC-SANTANDER, cuyo investigador principal es el director del CNIC, Valentín Fuster. El proyecto se inició en 2010 y se ha renovado hasta 2030. Se trata de uno de los estudios de prevención cardiovascular más importantes del mundo; desde su inicio recoge y analiza múltiples parámetros relacionados con la caracterización de la aterosclerosis mediante técnicas de imagen, identificación del estilo de vida y del perfil bioquímico y molecular, así como la condición médica de más de 4.000 empleados del Banco Santander que participan voluntariamente en este proyecto.
Normalmente, la enfermedad aterosclerótica se detecta en estadios avanzados, cuando ya ha provocado eventos clínicos como infarto de miocardio o accidente cerebrovascular. Para avanzar en la detección precoz, el algoritmo EN-PESA ha seleccionado la información obtenida a partir de los datos de los voluntarios para identificar un conjunto de variables fácilmente medibles en atención primaria. Los parámetros incluyen la edad, presión arterial e información recogida de manera rutinaria en análisis de sangre y orina y en cuestionarios sobre el estilo de alimentación.
El algoritmo es del tipo de aprendizaje máquina (machine-learning), similar a los que utiliza Google, que se definen porque aprenden a partir de los datos. Son algoritmos “llamados a revolucionar la práctica clínica en los próximos años, desde el diagnóstico hasta la prevención y el tratamiento, gracias a una mejor cuantificación del riesgo, que podrá ser calculado de manera personalizada y muy precisa utilizando toda la información disponible del individuo”, asegura Enrique Lara Pezzi, director de la investigación y jefe de grupo de Regulación Molecular de la Insuficiencia Cardiaca del CNIC.
- La aterosclerosis progresa de forma rápida en personas sanas entre los 40 y 50 años
- La población sana guarda la llave contra la enfermedad cardiovascular
- Cinco indicadores de salud bastan para predecir el riesgo cardiovascular en personas sanas
- Confirman la importancia del desayuno en la prevención de la ECV
Como explica a DM Fátima Sánchez Cabo, jefa de la Unidad de Bioinformática del CNIC, “la potencia de estos algoritmos reside en que son capaces de gestionar muchas variables. En este caso concreto, hemos podido introducir variables cuantitativas; por ejemplo, no hace falta indicar si el individuo que se estudia es diabético o no, o si tiene el colesterol alto o bajo. Es suficiente con introducir los datos al respecto obtenidos del análisis de sangre”.
El algoritmo EN-PESA utiliza el modelo de aprendizaje máquina llamado Elastic Net, “que resulta bastante transparente”, lo que permite conocer qué peso asigna a cada variable. De esta forma, se alcanza un mayor conocimiento de los factores que influyen en el riesgo cardiovascular, más allá de los ya identificados.
De hecho, entre los hallazgos ya publicados que se han extraído del estudio PESA se ha observado que niveles normales de colesterol LDL pueden asociarse con aterosclerosis subclínica. De igual manera se ha observado en este último estudio cómo influyen en la predicción los valores de la hemoglobina glicosilada.
Para este estudio se han utilizado 115 variables, teniendo en cuenta aquellas que fueran fácilmente medibles en atención primaria. El algoritmo serviría de filtro para derivar a los individuos de riesgo incrementado al cardiólogo y para poder hacer hincapié en la prevención.
El algoritmo se ha validado en la cohorte independiente AWHS, con buenos resultados. No obstante, destaca Sánchez Cabo, se enriquecerá al sumarles más datos, por eso “ahora queremos evaluarlo en cohortes más amplias y heterogéneas”.
El trabajo es fruto del esfuerzo de un equipo multidisciplinar que incluye médicos, matemáticos, químicos, biólogos, estadísticos, bioinformáticos, enfermeras y otros muchos profesionales que lo han hecho posible junto con la colaboración de los participantes del Banco.
via Noticias de diariomedico.... https://ift.tt/3jpf4oc
No hay comentarios:
Publicar un comentario