Archivo - Colesterol - RASI BHADRAMANI/ ISTOCK - Archivo
MADRID, 20 Jul. (EUROPA PRESS) -
Un equipo de la Universidad Johns Hopkins (Estados Unidos) ha desarrollado una versión simplificada basada en aprendizaje automático de una fórmula utilizada para calcular el colesterol LDL, lo que podría facilitar una evaluación más precisa del riesgo cardiovascular.
Los hallazgos y el código se publican en 'JAMA Cardiology'. La ecuación de Martin-Hopkins para evaluar los niveles de colesterol de lipoproteínas de baja densidad (LDL) en muestras de sangre ha sido utilizada por laboratorios en Estados Unidos y otros países para orientar los esfuerzos para reducir el riesgo de enfermedades cardiovasculares.
Ahora, la versión simplificada de aprendizaje automático de esta ecuación ha demostrado en este nuevo estudio de millones de muestras de sangre de adultos y niños estadounidenses igualar la precisión de la original, haciéndola ampliamente accesible.
"Hemos optimizado el cálculo del colesterol LDL y hemos hecho que esta ecuación sea accesible y más fácil de implementar para todos los laboratorios", comenta Seth Martin, autor principal del estudio y director del Programa de Trastornos Lipídicos Avanzados y del Laboratorio de Salud Digital en el Centro Ciccarone de Johns Hopkins para la Prevención de Enfermedades Cardiovasculares.
Evaluar con precisión el colesterol LDL es más importante que nunca porque las guías actuales recomiendan tratar los niveles para reducirlos y disminuir los riesgos cardiovasculares. Sin embargo, la subestimación del colesterol LDL mediante algunas ecuaciones puede llevar a la pérdida de oportunidades de tratamiento, explica Martin, un problema que la ecuación de Martin-Hopkins ayuda a resolver.
Su principal ventaja radica en proporcionar los resultados más precisos en personas con mayor riesgo cardiovascular que presentan niveles bajos de colesterol LDL y triglicéridos altos.
Un perfil lipídico con colesterol bajo y triglicéridos altos es la prueba de estrés definitiva para el cálculo del colesterol LDL. Explica que una diferencia de 5, 10 o 20 mg/dL, según diversas ecuaciones, podría modificar la elegibilidad de una persona para un tratamiento, como los inhibidores de PCSK9, que han demostrado reducir significativamente los niveles de colesterol LDL. "Son este tipo de casos límite los que más se benefician de resultados más precisos", añade.
Dado que la ecuación de 2013 puede requerir pasos adicionales para su implementación en algunos laboratorios, los investigadores crearon un código simplificado para facilitar su uso a todos los laboratorios.
CASI 5 MILLONES DE MUESTRAS PARA ENTRENAR EL MODELO
Comenzaron creando y probando una fórmula de aprendizaje automático con muestras de sangre de 4,9 millones de niños y adultos estadounidenses. Estas muestras, representativas de la población de Estados Unidos, presentaban un nivel medio de colesterol LDL de 114 mg/dL y provenían de la Very Large Database of Lipids. Posteriormente, compararon los resultados de la fórmula de aprendizaje automático con los de la ecuación original de Martin-Hopkins y examinaron su precisión en comparación con las ecuaciones de Sampson-NIH y Friedewald, otras ecuaciones comunes utilizadas en laboratorios. Para evaluar la precisión, compararon los resultados calculados con los niveles de colesterol LDL obtenidos mediante ultracentrifugación, un método de referencia en investigación.
En general, observaron que la versión de aprendizaje automático de la ecuación de Martin-Hopkins era similar a la original, con una diferencia mínima de 0,5 mg/dL. Ambas ecuaciones de Martin-Hopkins clasificaron correctamente el 90% de las muestras dentro de la categoría de tratamiento correspondiente, la ecuación de Sampson-NIH clasificó correctamente el 86%, la ecuación de Sampson-NIH modificada clasificó el 85% y la ecuación de Friedewald clasificó el 83%. Lo más importante, según Martin, es que los investigadores descubrieron que las ecuaciones de Martin-Hopkins eran las más precisas para clasificar a los pacientes de alto riesgo con niveles bajos de colesterol LDL.
Al evaluar a las personas con triglicéridos entre 200 mg/dL y 399 mg/dL y niveles de colesterol LDL inferiores a 70 mg/dL, la ecuación de aprendizaje automático de Martin-Hopkins clasificó correctamente el 84% de las muestras de alto riesgo, la ecuación original de Hopkins-Martin clasificó el 83%, la ecuación modificada de Sampson-NIH clasificó el 72%, la ecuación de Sampson-NIH clasificó el 61% y la ecuación de Friedewald clasificó el 40%.
Como parte de esta investigación, se utilizaron más de 3,2 millones de muestras de la base de datos de lípidos original para entrenar el modelo de aprendizaje automático. Se utilizaron 1,6 millones de muestras adicionales para probar los modelos. Se utilizaron dos conjuntos de datos adicionales, incluido un conjunto de datos de laboratorio de referencia y un conjunto de datos de ensayos clínicos de pacientes que habían utilizado inhibidores de PCSK9, para validar estos hallazgos en comparación con las mediciones basadas en ultracentrifugación.
Martin explica que probar aún más el cálculo y garantizar su precisión y fiabilidad en poblaciones fuera del grupo utilizado para desarrollar el modelo respalda su capacidad de generalización y uso generalizado para la implementación clínica.
Una ventaja de esta ecuación de aprendizaje automático es la capacidad de los laboratorios para utilizar su código en diferentes sistemas, señalan los autores. Los autores explican que este cálculo de acceso abierto puede mejorar la implementación de la guía nacional de dislipidemia de 2026, que recomienda utilizar preferentemente el cálculo de Martin-Hopkins para evaluar el colesterol LDL.
Esto brinda a los pacientes y a sus médicos tratantes mayor confianza al seleccionar tratamientos y alcanzar los objetivos de colesterol LDL recomendados por la guía para garantizar una protección cardiovascular óptima. Según el nivel de riesgo cardiovascular de cada persona, los objetivos de colesterol LDL recomendados por la guía son reducir los niveles por debajo de 100, 70 y 55 mg/dL.
Las ecuaciones de Martin-Hopkins no tienen patentes ni restricciones de propiedad intelectual. La base de datos Very Large Database of Lipids, utilizada para entrenar y probar la ecuación, recibió financiación de la Fundación David & June Trone. El ensayo FOURIER, que proporcionó muestras de sangre para validar los resultados, fue financiado por Amgen.
