Phenotypic Heterogeneity in Ischemic Heart Disease Uncovered by Unsupervised Clustering of Routine Laboratory Parameters

Los patrones ocultos en su sangre

Imagine que su cuerpo es una ciudad bulliciosa. Durante años, los médicos han sido como controladores de tráfico, observando las autopistas principales para ver si hay un atasco. En el mundo de la salud cardíaca, ese "atasco" es la Enfermedad Cardíaca Isquémica (ECI), una afección en la que el músculo cardíaco no recibe suficiente sangre rica en oxígeno. Tradicionalmente, para entender el problema de tráfico específico de un paciente, los médicos han dependido de herramientas costosas y de alta tecnología, como cámaras de rayos X (angiografía) o mapas genéticos complejos (ómicas) para ver exactamente qué está sucediendo en el interior.

Pero, ¿qué pasaría si los informes de la rutina diaria de la ciudad —los registros simples de recolección de basura, uso de agua y facturas de electricidad— pudieran decirle tanto sobre los atascos de tráfico? En medicina, estos "informes de rutina" son los análisis de sangre estándar que todo el mundo se hace: controles de glóbulos rojos, función hepática, salud renal y grasas en la sangre. Estas pruebas son baratas, rápidas y están disponibles en casi todas partes. La gran pregunta que los científicos se han estado haciendo es: ¿Podemos usar estos números sencillos y cotidianos para encontrar grupos ocultos de pacientes que son en realidad muy diferentes entre sí, incluso si todos tienen el mismo diagnóstico de enfermedad cardíaca? Este artículo se sumerge en ese misterio, utilizando un tipo especial de cerebro informático llamado "aprendizaje automático no supervisado" para clasificar a los pacientes en equipos basándose únicamente en sus análisis de sangre, sin necesidad de mirar la tubería del corazón o el ADN.

El gran ordenamiento de los análisis de sangre

En este estudio, investigadores en Lahore, Pakistán, decidieron jugar a "organizar a la multitud" con 3 la de personas que ya sabían que tenían Enfermedad Cardíaca Isquémica. No tenían un grupo de control de personas sanas para comparar; solo querían ver si las personas enfermas eran todas iguales o si eran en realidad una mezcla de diferentes tipos. Tomaron una enorme lista de resultados de laboratorio de rutina —cosas como la cantidad de grasa en la sangre, qué tan bien funciona el hígado y cuántos glóbulos blancos están luchando contra la inflamación— y se las entregaron a una computadora.

La computadora utilizó una técnica llamada clustering (agrupamiento). Piense en ello como un DJ en una fiesta que no conoce los nombres de nadie, pero escucha la música que todos están bailando. En lugar de preguntar "¿A quién le gusta el pop?" o "¿A quién le gusta el rock?", el DJ simplemente observa la pista de baile. Si un grupo de personas está haciendo el mismo paso de baile extraño, el DJ los agrupa. La computadora hizo esto con los datos de la sangre, buscando patrones donde ciertos números siempre subían o bajaban juntos.

Después de probar cinco formas diferentes de clasificar los datos, la computadora encontró que la mejor manera de agrupar a estos pacientes era en tres equipos distintos. No fue una suposición al azar; los grupos eran tan estables que la "puntuación de silueta" matemática (una medida de qué tan bien definidos están los grupos) fue alta y consistente entre los datos iniciales y los nuevos datos de prueba. Para hacer que estos grupos invisibles fueran visibles para los médicos, los investigadores entrenaron luego un programa de computadora "detective" por separado (un clasificador de Bosque Aleatorio o Random Forest) para que aprendiera los patrones de estos grupos. Al probarlo con nuevos pacientes, este programa detective podía identificar correctamente a qué equipo pertenecía un paciente aproximadamente el 78% de las veces, demostrando que los grupos eran reales y distintos.

Los tres equipos descubiertos:

1. El equipo de la "Mezcla de Alto Riesgo" (12.7% de los pacientes): Este era el grupo más pequeño, pero el más intenso. Estos pacientes tenían una "tormenta perfecta" en su sangre: niveles altos de grasas malas (específicamente VLDL y triglicéridos), signos de que su hígado estaba luchando (enzimas AST y ALT altas) y un alto número de neutrófilos (un tipo de glóbulo blanco que señala inflamación). Los investigadores lo llaman una firma "aterogénica-hepática-inflamatoria". Es como una ciudad donde los camiones de la basura están desbordados, la planta de energía está echando humo y la policía está en alerta máxima, todo al mismo tiempo.
2. El equipo de "Grasa Pura" (26.5% de los pacientes): Este grupo era más grande. Tenían niveles altos de grasas en la sangre (VLDL, triglicéridos y LDL), pero sus enzimas hepáticas eran normales y no mostraban los mismos signos de inflamación. Eran como una ciudad con un atasco causado puramente por demasiados autos, pero el resto de la infraestructura funcionaba bien.
3. El equipo de "Menor Riesgo" (60.8% de los pacientes): Este era el grupo más grande, que constituía la mayoría de los pacientes. Tenían los niveles más bajos de las grasas malas y los niveles más altos de linfocitos (un tipo diferente de glóbulo blanco). Parecían ser el grupo más "tranquilo", con la menor cantidad de estrés metabólico e inflamatorio.

El trabajo de detective: Encontrando las pistas

Una vez que la computadora clasificó a los pacientes, los investigadores preguntaron: "¿Qué números específicos eran los más importantes para crear estos grupos?". Utilizaron una herramienta de detective digital llamada Bosque Aleatorio (que es como un equipo de tomadores de decisiones votando la respuesta). Descubrieron que las pistas principales fueron el VLDL (un tipo de grasa), la Bilirrubina Total (un producto de desecho del hígado), los Triglicéridos y las enzimas hepáticas AST y ALT. Sorprendentemente, cosas como la función renal o los recuentos de células sanguíneas estándar no fueron los principales impulsores. Resultó que la clave para distinguir a estos pacientes era la relación entre cómo sus cuerpos manejaban la grasa y cómo estaba funcionando su hígado.

Los investigadores luego intentaron convertir estos complejos hallazgos computacionales en reglas sencillas que un médico pudiera leer en un papel. Utilizaron un Árbol de Decisión (que parece un diagrama de flujo) y un sistema de Reglas Difusas (que utiliza lenguaje como "Alto", "Medio" o "Bajo" en lugar de números exactos).

Plantearon reglas como: "SI el VLDL es Alto Y el AST es Bajo, ENTONCES el paciente pertenece al equipo de 'Grasa Pura'".
Aunque la computadora podía identificar al grupo de "Mezcla de Alto Riesgo", las reglas escritas simples eran menos precisas para este grupo específico debido a su tamaño pequeño y su biología compleja, lo que significa que los médicos aún no pueden confiar en una sola frase corta para detectarlos tan fácilmente como a los otros grupos.

Lo que esto significa (y lo que no significa)

El artículo sugiere que, incluso sin costosos escaneos cardíacos o pruebas genéticas, podemos encontrar diferencias ocultas en los pacientes con enfermedades cardíacas simplemente mirando sus análisis de sangre de rutina. Demuestra que la visión de "talla única" de la enfermedad cardíaca puede ser demasiado simple. Existen subgrupos, y algunos (como el 12.7% en la Mezcla de Alto Riesgo) podrían necesitar atención adicional porque sus cuerpos están lidiando tanto con problemas de grasa como con inflamación hepática.

Sin embargo, los autores son muy cuidadosos de no decir que han resuelto el misterio de la enfermedad cardíaca. Declaran explícitamente que este es un estudio de generación de hipótesis. Encontraron los grupos, y la computadora es muy buena clasificando a las personas en ellos, pero aún no saben si estos grupos realmente predicen quién se enfermará más o morirá antes. No siguieron a los pacientes a lo largo del tiempo para ver qué sucedía con ellos. Tampoco compararon a estos pacientes con personas sanas; solo observaron a personas que ya tenían la enfermedad.

Por lo tanto, aunque el estudio muestra que estos tres grupos son reales y distintos según la química sanguínea, sigue siendo un "modelo de prueba de concepto". Es como encontrar tres tipos diferentes de nubes en el cielo y darse cuenta de que se ven diferentes, pero aún no hemos demostrado que un tipo de nube siempre traiga un huracán mientras que las otras solo traen una llovizna ligera. Los investigadores esperan que futuros estudios sigan a estos pacientes para ver si el grupo de "Mezcla de Alto Riesgo" realmente tiene peores resultados, lo que permitiría a los médicos utilizar estos análisis de sangre simples y económicos para brindar una mejor y más atención personalizada, especialmente en lugares donde no hay máquinas sofisticadas disponibles.