Investigadores del Centro Nacional de Investigaciones Cardiovasculares (CNIC) han diseñado un algoritmo que personaliza el riesgo cardiovascular de individuos de mediana edad y sanos, en función de su edad, tensión arterial, dieta y marcadores medibles en análisis de sangre y orina, y que podría servir como una herramienta económica y fácil para calcular el grado de aterosclerosis subclínica.
Asimismo, el algoritmo, denominado EN-PESA, contribuirá a personalizar más el riesgo cardiovascular, lo que se traducirá en tratamientos y planes de seguimiento más personalizados, ya que parte del uso de grandes cantidades de datos recolectados y procesados de manera sistemática en un alto número de individuos.
El estudio, que se publica en 'The Journal of American College of Cardiology' (JACC), forma parte del proyecto colaborativo PESA-CNIC-SANTANDER, cuyo investigador principal es el doctor Valentín Fuster, que se inició en 2010 y que se ha renovado hasta 2030, y que constituye uno de los estudios de prevención cardiovascular más importantes del mundo.
"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 el doctor Enrique Lara Pezzi, director de la investigación y jefe de grupo de Regulación Molecular de la Insuficiencia Cardiaca del CNIC.
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", señala la investigación.
Desde el inicio del PESA-CNIC-SANTANDER en 2010, 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.
El algoritmo desarrollado por el CNIC 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, apunta el doctor Xavier Rosselló, investigador del CNIC y cardiólogo del Hospital Universitario Son Espases de Palma de Mallorca, "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".
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 la doctora Fátima Sánchez Cabo, jefa de la Unidad de Bioinformática del CNIC.
"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", concluye.
Tienes que iniciar sesión para ver los comentarios