La fórmula que mejor predice cuál es tu riesgo cardiaco real

Las enfermedades cardiovasculares no dan tregua (han sido y siguen siendo la primera causa de muerte en los países desarrollados), aunque solo tengamos en la retina 'el miedo' a la pandemia. Pero imagina por un momento que se pueda dotar a los médicos de atención primaria y también a los cardiólogos de una perfecta calculadora que les ayude a predecir el riesgo individual que tiene cualquier hombre y mujer de sufrir del corazón. Teniendo en cuenta que las enfermedades cardiovasculares lideran la primera causa de muerte en España (son responsables del 35% de todas las muertes entre los varones y del 43% en las mujeres), la llegada de esa nueva herramienta puede ser un gran paso de gigante a la hora de salvaguardar la salud del corazón.

"EN-PESA podría servir como una herramienta económica y fácil para calcular el grado de aterosclerosis subclínica"

La aterosclerosis es una enfermedad sistémica que tiene una larga fase asintomática antes de manifestarse como infarto agudo de miocardio, accidente cerebrovascular, angina o muerte súbita. La detección de la aterosclerosis subclínica (SA, por sus siglas en inglés) es fundamental para mejorar la prevención cardiovascular. En esta fase, las técnicas de imagen han surgido como herramientas cruciales para la redefinición de las puntuaciones de riesgo tradicionales, que tienden a subestimar el riesgo en personas sanas.

En los últimos años, varios estudios prospectivos han reunido grandes cantidades de fenotípicos longitudinales y datos moleculares ('ómicos') que mejoran nuestro entendimiento de cómo y cuándo la SA conlleva el padecimiento de eventos cardiacos. Además no está claro cómo una variedad de factores psicosociales, estilos de vida, dieta o factores demográficos afectan a la enfermedad.

Entre los más importantes del mundo

Por todo ello, el estudio PESA-CNIC-SANTANDER (progresión de la aterosclerosis subclínica temprana), nacido en 2010 (y que se ha renovado hasta 2030), fue concebido para abordar estos problemas proporcionando una caracterización completa de SA a través de una combinación de imágenes y fenotipado profundo en un gran cohorte de participantes jóvenes asintomáticos (4.184 empleados del Banco Santander con una edad de entre 40 y 54 años). Constituye uno de los estudios de prevención cardiovascular más importantes del mundo.

A raíz de él, los investigadores del Centro Nacional de Investigaciones Cardiológicas (el citado CNIC), dirigido por Valentín Fuster, han diseñado un algoritmo que se publicó en 'The Journal of American College of Cardiology (JACC)', que personaliza el riesgo cardiovascular de individuos de mediana edad y sanos, en función de varios parámetros.

Personalización del riesgo

El algoritmo, denominado EN-PESA, podría servir como una herramienta económica y fácil para calcular 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. Según los investigadores, “contribuirá a personalizar más el riesgo, lo que se traducirá en tratamientos y planes de seguimiento más personalizados”.

En declaraciones a Alimente, Enrique Lara, director de la investigación y jefe de grupo de Regulación Molecular de la Insuficiencia Cardiaca del CNIC, y Fátima Sánchez Cabo, coautora del trabajo que documenta la nueva herramienta, reconocen: “En este estudio hemos intentado utilizar variables que sean fácilmente medibles en atención primaria mediante análisis de sangre u orina o cuestionarios de dieta. En función del resultado de nuestro score, pacientes sanos y jóvenes (entre 40 y 55 años) podrían recibir recomendaciones de su médico de familia para realizar cambios en sus hábitos de vida o ser derivados a los cardiólogos para realizarles pruebas más detalladas, como cuantificación del calcio en las coronarias por medio de TAC o de las placas ateroscleróticas con ecografías".

Machine-Learning

“Los algoritmos de aprendizaje máquina Machine-Learning están 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.

El éxito de estos algoritmos se basa en el uso de grandes cantidades de datos recolectados y procesados de manera sistemática en un alto número de individuos. “El estudio PESA-CNIC-SANTANDER, como explicábamos anteriormente, ha sido pionero en este aspecto”, detalla Fátima Sánchez Cabo.

Lo más habitual es que la enfermedad aterosclerótica se detecte en estadios avanzados, cuando ya ha provocado eventos clínicos como infarto de miocardio, accidente cerebrovascular u otros. El tratamiento de este tipo de patologías, cuando ya ha dado síntomas, resulta limitado ya que en un elevado porcentaje los individuos afectados ven disminuida su calidad de vida y, por otro lado, supone un elevado coste económico para el sistema sanitario. De ahí la relevancia de la detección precoz.

Desde el inicio del PESA-CNIC-SANTANDER se han recogido y analizado más de 4.000 parámetros relacionados con la caracterización de la aterosclerosis usando avanzadas técnicas de imagen, el estilo de vida, el perfil bioquímico y molecular, así como la condición médica de más de 4.000 empleados del Banco Santander que participan voluntariamente en este proyecto.

Los parámetros

El algoritmo desarrollado ha seleccionado la información obtenida a partir de esta ingente cantidad de datos para identificar un pequeño conjunto de variables fácilmente medibles en atención primaria. Estas variables “permiten predecir la extensión de aterosclerosis subclínica y la progresión de la enfermedad vascular en individuos de mediana edad sanos que habían sido clasificados de riesgo bajo o intermedio según las escalas tradicionales de riesgo cardiovascular”, declaran los autores.

Los parámetros incluyen la edad, presión arterial e información recogida de manera rutinaria en análisis de sangre y orina y en cuestionarios dietéticos.

“EN-PESA utiliza un modelo de aprendizaje máquina llamado Elastic Net,que permite utilizar de manera no sesgada un número alto de variables, lo que posibilita la identificación de nuevos predictores más allá de los factores de riesgo tradicionales”, señala Sánchez Cabo. La información de estos predictores, añade, se usa además de manera cuantitativa, “sin necesidad de simplificaciones dicotómicas del tipo 'colesterol alto: sí/no', lo que mejora la predicción y tiene en cuenta las características específicas de cada persona para personalizar su perfil de riesgo cardiovascular”.

Los doctores Lara y Sánchez Cabo recuerdan que para “la realización de este estudio ha sido crucial disponer de información de imagen muy detallada que cuantifica de manera longitudinal la extensión de la aterosclerosis subclínica y de una gran cantidad de variables fenotípicas para los más de 4.000 participantes”

E insisten: "De los 3.515 individuos incluidos en este trabajo para construir el algoritmo, 1.411 fueron asignados una probabilidad media o alta de tener aterosclerosis subclínica en base a sus datos de dieta, demográficos y análisis de sangre y orina; de ellos, el 86,8% tenía realmente signos de SA a medida con técnicas de imagen o se detectó una progresión de su carga de aterosclerosis en 3 años”.

Y concluyen: “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 SA o una probabilidad alta de que la enfermedad progrese significativamente a corto plazo”.

El trabajo es fruto del esfuerzo de un equipo multidisciplinar que incluye médicos, matemáticos, químicos, biólogos, estadísticos, bioinformáticos, enfermeros y otros muchos profesionales.