La integración de endotipos clínicos derivados de imágenes con la proteómica plasmática y las puntuaciones de riesgo...

Área de la Ciencia:

• Cardiología
• La genética
• Imágenes médicas

Sus antecedentes:

• La enfermedad microvascular coronaria (CMVD) es una causa significativa de la enfermedad cardíaca isquémica, sin embargo, es subdiagnosticada.
• El desarrollo de modelos de predicción de riesgo para CMVD se ha visto obstaculizado por estudios de asociación genómica a gran escala (GWAS) limitados.
• Existe una superposición genética significativa entre la CMVD y la enfermedad de las arterias coronarias (CAD), que ofrece potencial para el desarrollo de la puntuación de riesgo poligénico (PRS).

Objetivo del estudio:

• Desarrollar y evaluar modelos de puntuación de riesgo poligénico de CMVD (PRS) utilizando datos del GWAS.
• Integrar el PRS, la proteómica plasmática y las imágenes de perfusión PET para la predicción del riesgo de CMVD utilizando el aprendizaje automático y profundo.
• Establecer un nuevo marco de endotipización sin supervisión para la CMVD basado en imágenes del flujo sanguíneo miocárdico.

Principales métodos:

• Desarrolló el PRS de CMVD seleccionando variantes del GWAS de CMVD y aplicando pesos del GWAS de CAD.
• Proteómica plasmática integrada, medidas clínicas y PRS en modelos de aprendizaje automático y profundo para la predicción de riesgos.
• Se creó un marco de endotipización sin supervisión utilizando datos de flujo sanguíneo miocárdico derivados del PET de perfusión para identificar subgrupos de pacientes.

Principales resultados:

• Los datos multimodales integrados (genética, proteómica, imágenes) mejoraron significativamente la predicción del riesgo de CMVD.
• El nuevo marco de endotipado basado en imágenes reveló distintos subgrupos de pacientes con CMVD.
• Este enfoque de estratificación logró AUROC entre 0,65 y 0,73 por clase, superando a los modelos tradicionales.

Conclusiones:

• El estudio presenta el primer endotipado basado en imágenes para CMVD, integrando datos genéticos y proteómicos para la predicción de riesgos.
• La integración multimodal de datos y la estratificación basada en imágenes ofrecen un marco para un diagnóstico más preciso y personalizado de la CMVD.
• Este enfoque capta la heterogeneidad subyacente de la CMVD, allanando el camino para el tratamiento personalizado de los pacientes.