Diseñan un algoritmo que personaliza el riesgo cardiovascular

Se trata de un modelo que permite saber cual es la predisposición en personas sanas de mediana edad, en función de la tensión arterial, la dieta y de marcadores medibles en análisis de sangre y orina. Lo han desarrollado investigadores del CNIC y se publica hoy en The Journal of American College of Cardiology (JACC).

La medición “individualizada” del riesgo cardiovascular de una persona sana es uno de los objetivos más importantes para los especialistas en patologías relacionadas con el corazón. No en vano, las enfermedades cardiovasculares (ECV) son la primera causa de muerte en el mundo, por delante del cáncer y de las enfermedades respiratorias. Según datos de la World Heart Federation (WHF), causan 17,9 millones de muertes al año en todo el mundo, mientras que en España un total de 120.859 personas fallecieron por esta causa en 2018.

Ahora, 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. 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 cardiovascular, lo que se traducirá en tratamientos y planes de seguimiento individualizados”. “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”, añaden.

El estudio, que se publica hoy en The Journal of American College of Cardiology (JACC), forma parte del proyecto colaborativo PESA-CNIC-SANTANDER- cuyo investigador principal es el reconocido cardiólogo 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.

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 Pezzi, director de la investigación y jefe de grupo de Regulación Molecular de la Insuficiencia Cardiaca del CNIC. "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 Santander-CNIC-PESA ha sido pionero en este aspecto- afirma la jefa de la Unidad de Bioinformática del CNIC, Fátima Sánchez Cabo- ya que se sirve de 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”. La información de estos predictores 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”.

Detección precoz

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.

El algoritmo desarrollado por el CNIC ha seleccionado la información obtenida a partir datos de más de 4.000 empleados del Banco Santander, que participan voluntariamente en este proyecto, de los que se analizaron más de 4.000 parámetros relacionados con la caracterización de la aterosclerosis: el estilo de vida, el perfil bioquímico y molecular, así como la condición médica. El objetivo era identificar un pequeño conjunto de variables fácilmente medibles en atención primaria. "Estas variables- apunta 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.