Los biomarcadores circulantes pueden facilitar el diagnóstico y la estratificación de riesgo para enfermedades complejas como la insuficiencia cardiaca (IC). Las nuevas plataformas moleculares pueden acelerar el descubrimiento de biomarcadores, pero requieren muchos recursos para la adquisición de datos y muestras. El propósito de este estudio fue probar una estrategia pragmática de descubrimiento de biomarcadores integrando biobancos clínicos automatizados y proteómica.
Utilizando los registros electrónicos de salud, los autores identificaron pacientes con y sin insuficiencia cardiaca, recuperaron las muestras de plasma descartadas y cribaron estos especímenes utilizando una plataforma proteómica basada en aptámeros (1.129 proteínas). Los biomarcadores candidatos fueron validados en tres cohortes prospectivas diferentes.
De forma automatizada de recogieron muestras de plasma de 1.315 pacientes (31% con IC). Los análisis proteómicos identificaron nueve biomarcadores candidatos (p < 4,42 x 10-5 ). Dos proteínas, angiopoyetina-2 y trombospondina-2, se asociaron con IC en las tres cohortes de valoración. En el registro basado en el departamento de urgencias de 852 pacientes con disnea, los dos biomarcadores mejoraron la discriminación de IC aguda comparador con una escala clínica (p < 0,0001) o con la escala clínica más la fracción aminoterminal del propéptido natriurético cerebral (NT-proBNP) (p = 0,02). En la cohorte comunitaria (n = 768), ambos biomarcadores predijeron la incidencia de IC independientemente de los factores de riesgo tradicionales y del NT-proBNP (riesgo relativo por cada aumento de desviación típica: 1,35 [intervalo de confianza 95%: 1,14-1,61; p = 0,0007] para angiopoietina-2 y 1,37 [intervalo de confianza 95%: 1,06-1,79; p = 0,02] para trombospondina-2). Entre los 30 pacientes con IC avanzada las concentraciones de ambos biomarcadores disminuyeron (80% y 84%) tras el trasplante cardiaco (p < 0,001 para ambos).
Una nueva estrategia que integra historia clínica electrónica, especímenes clínicos descartados y proteómica, identificó dos biomarcadores que predicen de forma robusta la IC en diferentes escenarios clínicos. Esta aproximación podría acelerar el descubrimiento de biomarcadores para muchas enfermedades.
Comentario
Los biomarcadores son moléculas, habitualmente en circulantes en sangre, que permiten mejorar el diagnóstico, realizar una evaluación pronóstica o la elección de tratamientos específicos.
Aunque en los últimos años cada vez es más frecuente su uso en la cardiología clínica (como es el caso de la troponina o el NT-proBNP), su descubrimiento ha sido lento y costoso debido a varios factores. La selección de pacientes de forma manual requiere el mantenimiento de un registro clínico extenso y posteriormente su análisis pormenorizado. Por otro lado, la selección de los biomarcadores candidatos se limita al conocimiento biológico actual y en la práctica a pocas rutas metabólicas, quedando fuera de análisis o a gran distancia, posibles candidatos no identificados.
La insuficiencia cardiaca es quizá la patología más compleja, desde el punto de vista biológico y metabólico, a la que se enfrenta la cardiología de hoy ya que además de ser la vía común final de la mayoría de las cardiopatías, es una enfermedad multisistémica con alteración en un gran número de rutas metabólicas. Sin embargo, la utilización de tejido miocárdico es excepcional por la dificultad y los riesgos de su adquisición, por lo que los análisis deben realizarse en sangre: quizá el tejido más complejo y variable desde el punto de vista metabólico y proteómico.
En el artículo que hoy comentamos, los autores realizan un estudio en el que quizá la metodología es más importante que los resultados, ya que presentan una aproximación brillante para el descubrimiento de nuevos biomarcadores en la IC que superan o al menos minimizan las dificultades comentadas previamente.
Para la identificación de pacientes se utilizó un sistema de historia clínica electrónica en el que las características clínicas podían ser consultadas en forma de variables interpretables por un sistema informático. A partir de un algoritmo (con un valor predictivo positivo > 95%) se identificaron los pacientes con insuficiencia cardiaca, con cardiopatía sin insuficiencia cardiaca y sin cardiopatía ni insuficiencia cardiaca. En los pacientes identificados, el laboratorio central procesó y almacenó las muestras en un biobanco a −80 ℃ robóticamente, siempre después de que ya no tuvieran utilidad clínica y fueran descartadas (aproximadamente 3 días a 4 ℃). Así, los pacientes fueron identificados sin intervención humana y las muestras recogidas también automáticamente con tres grandes beneficios: reducción de costes (relativa, ya que la puesta en marcha de este espectacular sistema supone una gran inversión de recursos), reducción de sesgos y amplia disponibilidad de número de pacientes y muestras.
De estos pacientes fueron escogidos 96, en ratio 1:1 para IC y ausencia de enfermedad cardiovascular, seleccionando los fenotipos más extremos para optimizar la identificación de biomarcadores.
Las muestras fueron analizadas en una plataforma proteómica que permite la identificación y cuantificación de 1.129 proteínas. Aunque este valor ya supone un análisis de high-throughput hemos de tener en cuenta que “solo” se analiza menos del 10% del total del proteoma humano, y que además son proteínas seleccionadas, de forma que presenta una clara limitación por dejar fuera del análisis posibles candidatos robustos. Sin embargo, la obtención de 1.129 proteínas utilizando un sistema tipo array presenta ciertas ventajas frente a otros métodos analíticos proteómicos de mayor high-throughput, como un menor coste, menores requerimientos técnicos y mayor agilidad en la adquisición de resultados.
En estos análisis se identificaron nueve proteínas como biomarcadores. Las dos primeras fueron cistatina C y renina, ya conocidas y estudiadas como biomarcadores por lo que se seleccionaron las cuatro siguientes para su validación (trombospondina-2, insulin like growth factor binding protein- 6, angiopoietina-2 e interleucina-17 receptor C).
La metodología en la validación de los biomarcadores también es también impecable. Se utilizaron tres cohortes que suponen un buen reflejo de la realidad clínica: cohorte de urgencias en pacientes que consultan por disnea, una cohorte comunitaria con 20 años de seguimiento y una cohorte de IC avanzada con análisis pre y postrasplante. En la cohorte de urgencias dos de los biomarcadores de la fase previa (trombospondina-2 y angiopoietina-2) mejoraron el diagnóstico de IC comparados con los métodos habituales (diagnóstico clínico y NT-proBNP). En la cohorte comunitaria, estos dos mismos biomarcadores estaban basalmente más elevados en los pacientes que posteriormente desarrollarían IC, suponiendo cada desviación estándar del biomarcador un aumento del riesgo de desarrollar IC del 29-36%. En estas dos cohortes los biomarcadores demuestran su valor diagnóstico que es confirmado de forma muy elocuente en la cohorte de IC avanzada donde las concentraciones de trombospondina y angiopoietina disminuían en torno al 85% tras realizarse un trasplante cardiaco.
El gran avance que aporta este estudio es la demostración robusta de que una nueva metodología permite la identificación de nuevos biomarcadores de forma rápida. El enfoque multitecnología es también llamativo. Una historia clínica electrónica que permite la explotación de datos clínicos y la selección automática de pacientes mediante algoritmos que beben de una historia clínica electrónica tiene grandes ventajas, pero que las muestras de estos pacientes se procesen y almacenen en un biobanco de forma automática tras descartarse para su utilización clínica es brillante y, como expresa el doctor Bayés-Genís en el editorial acompañante, rápida, limpia y elegante.
La utilización de ómicas para el análisis de las muestras con grandes cantidades de datos resultantes requiere un análisis bioinformático complejo y una metodología con la que quizá los clínicos no estemos familiarizados: ausencia de hipótesis.
Por último, una fase de validación elegante y que cubre todo el espectro clínico pone el lazo a este estudio.
Es también remarcable como la digitalización real de los hospitales es necesaria, no solo para la atención clínica, sino también para la investigación. Impresiona leer el sistema de identificación de pacientes y el proceso automático de muestras, y el ingente trabajo que ha debido suponer ponerlo en marcha: imaginen un sistema así en sus hospitales.
Bigdata, eHealth, machine learning, high-throughput, proteomics, multiplex o biobancos automatizados, proceso robotizado de muestras, identificación diagnóstica automática algorítmica y biopsia líquida, son términos con los que debemos familiarizarnos ya que, y citando de nuevo al editorial, en su título: “Biopsia líquida y e-salud: el futuro es hoy”.
Referencia
- Quinn S. Wells, Deepak K. Gupta, J. Gustav Smith, Sean P. Collins, Alan B. Storrow, Jane Ferguson, Maya Landenhed Smith, Jill M. Pulley, Sarah Collier, Xiaoming Wang, Dan M. Roden, Robert E. Gerszten y Thomas J. Wang.
- Journal of the American College of Cardiology May 2019, 73 (17) 2195-2205; DOI: 10.1016/j.jacc.2019.01.074.
