Investigadores de la Facultad de Medicina LKS (HKUMD) de la Universidad de Hong Kong han desarrollado una herramienta de inteligencia artificial que podría ayudar a predecir problemas cardiovasculares graves años antes de que aparezcan los síntomas.
El sistema, conocido como CardiomixScore, utiliza datos de un análisis de sangre para predecir el riesgo futuro de una persona de sufrir seis enfermedades cardiovasculares (ECV) importantes: enfermedad de las arterias coronarias, accidente cerebrovascular, insuficiencia cardíaca, fibrilación auricular, enfermedad de las arterias periféricas y tromboembolismo venoso. En individuos con mayor riesgo, el modelo pudo identificar señales de advertencia hasta 15 años antes del inicio clínico.
Se publican los resultados comunicación de la naturaleza.
Un análisis de sangre que captura la salud actual.
Las enfermedades cardiovasculares siguen siendo la principal causa de muerte en todo el mundo y representarán aproximadamente 19,8 millones de muertes solo en 2022.
Los médicos suelen evaluar el riesgo cardiovascular examinando factores como la edad, la presión arterial, el historial de tabaquismo y otras mediciones clínicas estándar. Estos indicadores son útiles, pero no pueden revelar los primeros cambios biológicos que ocurren dentro del cuerpo antes de que una enfermedad se haga evidente.
Como resultado, es posible que algunas personas no sean identificadas como de alto riesgo hasta que la mejor oportunidad para la prevención ya haya comenzado a reducirse.
Las pruebas de riesgo genético proporcionan otra forma de estimar la probabilidad de que una persona desarrolle la enfermedad. La puntuación de riesgo poligénico, por ejemplo, combina los efectos de muchas variantes genéticas en una única medida de riesgo hereditario. Sin embargo, la composición genética de una persona se fija en gran medida al nacer.
Eso significa que es posible que las puntuaciones genéticas no reflejen completamente los cambios más inmediatos causados por la dieta, el ejercicio, el envejecimiento, las enfermedades, la exposición ambiental u otras influencias sobre la salud.
CardioMixCore fue diseñado para proporcionar una imagen más actual de lo que sucede dentro del cuerpo.
La IA integra miles de señales biológicas
Para desarrollar la herramienta, el equipo de HKUMed utilizó el aprendizaje profundo para combinar diferentes capas de datos biológicos. Este enfoque se conoce como multiómica porque combina datos de diferentes campos de la biología, incluida la genómica, la metabolómica y la proteómica.
La genómica examina la información genética. La proteómica se centra en las proteínas, que realizan muchas funciones esenciales en el cuerpo. La metabolómica estudia pequeñas moléculas llamadas metabolitos, que se producen cuando el cuerpo procesa los alimentos, genera energía y responde a las enfermedades.
Los investigadores analizaron datos de población a gran escala del Biobanco del Reino Unido. Su modelo examinó 2.920 proteínas circulantes y 168 metabolitos medidos en muestras de sangre.
Juntas, estas moléculas pueden proporcionar una instantánea detallada del estado biológico actual de un individuo. Pueden reflejar cambios sutiles en la actividad inmune, el metabolismo y la salud vascular antes de que se desarrollen síntomas sintomáticos.
“Los genes determinan desde dónde comenzamos: definen nuestro riesgo de salud inicial. Sin embargo, las proteínas y los metabolitos reflejan nuestra salud física actual. Nuestra herramienta de inteligencia artificial está diseñada para decodificar estas señales moleculares complejas, lo que permite a los médicos identificar enfermedades potenciales y cambios oportunos en el estilo de vida y prevención temprana”, explicó el profesor Zhang Qingpeng, profesor asociado de Farmacología y Farmacia en HKUMed.
Seis predictores de enfermedad cardiovascular
Los resultados muestran que CardiomicScore puede convertir mediciones moleculares complejas en estimaciones personalizadas del riesgo cardiovascular.
El sistema funcionó significativamente mejor que las puntuaciones de riesgo poligénico convencionales. Su precisión mejoró aún más cuando los investigadores agregaron información clínica como la edad y el sexo.
El modelo fue diseñado para evaluar el riesgo de enfermedad de las arterias coronarias, accidente cerebrovascular, insuficiencia cardíaca, fibrilación auricular, enfermedad de las arterias periféricas y tromboembolismo venoso.
La fibrilación auricular es un latido cardíaco irregular que puede aumentar el riesgo de sufrir un derrame cerebral y otras complicaciones. La enfermedad de las arterias periféricas ocurre cuando los vasos sanguíneos estrechados reducen la circulación a los órganos. El tromboembolismo venoso se refiere a un coágulo de sangre peligroso que se forma en una vena y puede viajar a los pulmones.
En personas de alto riesgo, Cardiomyxor puede identificar un riesgo cardiovascular elevado hasta 15 años antes de que aparezcan los síntomas.
Pasar del tratamiento a una prevención más temprana
La investigación refleja un amplio cambio en la medicina de precisión.
Los métodos genéticos tradicionales proporcionan estimaciones relativamente específicas del riesgo hereditario. Las herramientas multiómicas pueden ofrecer evaluaciones más dinámicas mediante el seguimiento de señales biológicas que cambian con el tiempo.
En el futuro, una pequeña muestra de sangre podría usarse para crear un perfil de riesgo detallado que abarque múltiples enfermedades cardiovasculares. Esta información puede dar a los pacientes y médicos más tiempo para responder con cambios en el estilo de vida, una estrecha vigilancia u otras medidas preventivas.
El profesor Zhang añadió: “Nuestro objetivo es utilizar la tecnología para detectar y prevenir enfermedades antes de que se desarrollen. Al cambiar la gestión de la salud del tratamiento reactivo a la predicción e intervención proactivas, pretendemos lograr un impacto duradero tanto para la salud pública como para la atención individual de los pacientes”.
Sobre el equipo de investigación
La investigación fue dirigida por el profesor Zhang Qingpeng, profesor asociado de Farmacología y Farmacia, HKUMed y el Instituto de Ciencia de Datos (IDS) de la Fundación Mosqueteros de HKU.
El primer autor es Luo Yan de HKU IDS.
