01/11/2020      

La aterosclerosis es una enfermedad de las arterias que se produce por la acumulación y depósito de colesterol y lípidos en la pared de estos vasos sanguíneos. Esto causa la disminución del flujo sanguíneo a través de las arterias, impidiendo que la sangre rica en oxígeno llegue a los órganos con normalidad. Según la Organización Mundial de la Salud (OMS), es una de las principales causas de mortalidad en todo el mundo.

Generalmente, los síntomas no se manifiestan hasta que se produce una complicación (infarto de miocardio, accidente cerebrovascular, etc.), por lo que su detección suele producirse en estadios avanzados. Cuando esto sucede, el tratamiento es ya limitado porque en muchos casos la calidad de vida de los pacientes ya se ha visto afectada. Además, el manejo de estos pacientes supone un elevado coste económico para los sistemas sanitarios. De ahí la importancia de la detección precoz de esta enfermedad.

Investigadores del Centro Nacional de Investigaciones Cardiovasculares (CNIC) han desarrollado un algoritmo que personaliza el riesgo cardiovascular en personas sanas de mediana edad en función de algunas variables: tensión arterial, dieta, edad, y una serie de marcadores medibles en análisis habituales de sangre y orina. Este algoritmo, denominado EN-PESA, es un cálculo matemático que establece el grado de aterosclerosis subclínica y permite personalizar el riesgo cardiovascular. Con esta información, se podrían establecer pautas de tratamiento y planes de seguimiento más personalizados.

El algoritmo desarrollado por el CNIC utiliza un modelo de aprendizaje automático (machine learning) llamado Elastic Net que permite utilizar de manera no sesgada un elevado número de variables e identificar nuevos predictores, además de los factores de riesgo tradicionales.

Este algoritmo es el resultado de un estudio publicado en The Journal of American College of Cardiology y que forma parte del proyecto colaborativo PESA-CNIC-SANTANDER. El estudio se inició en 2010 y está previsto que continúe hasta 2030. Hasta la fecha, se han recogido datos de más de 4.000 empleados del Banco Santander que participaron voluntariamente en el estudio. Se analizaron parámetros relacionados con la caracterización de la aterosclerosis mediante técnicas avanzadas de imagen, estilo de vida, perfil bioquímico y molecular y condición médica de los participantes.

El algoritmo EN-PESA ha permitido identificar dentro de esta ingente cantidad de datos un pequeño conjunto de variables fácilmente medibles en atención primaria y capaces de predecir la extensión de la aterosclerosis subclínica y la progresión de la enfermedad vascular en individuos de mediana edad y sanos que habrían sido clasificados de riesgo bajo o intermedio según las pautas habituales de establecimiento del riesgo cardiovascular. Los cinco principales predictores serían la edad, el porcentaje de hemoglobina glicada (HbA1c), la proporción de colesterol total respecto del colesterol HDL, el recuento de leucocitos y la hemoglobina.

Los autores concluyen que “gracias a ese 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”.

Bibliografía      

Sánchez-Cabo F, Roselló X, Fuster V, Benito F, Manzano JP, Silla JC, et al. Machine Learning Improves Cardiovascular Risk Definition for Young, Asymptomatic Individuals. J Am Coll Cardiol 2020; 76: 1674-85 (acceso el 29 de octubre de 2020)

Centro Nacional de Investigaciones Cardiovasculares (CNIC) JACC: Investigadores del CNIC diseñan un algoritmo que  personaliza el riesgo cardiovascular en personas sanas (acceso el 29 de octubre de 2020)