У нещодавньому дослідженні, опублікованому в журналі Nature Cardiovascular Research, дослідники розробили та підтвердили нову модель прогнозування на основі біомаркерів для оцінки ймовірності настання першого інфаркту міокарда у пацієнта в майбутньому. Для навчання та тестування моделі вони зібрали дані про білки та метаболіти з консорціуму випадків-кохорт, що складається з 2 018 осіб із 6 попередніх європейських досліджень. З понад 800 аналізованих білків і 1 000 метаболітів було виявлено, що 48 і 43 пов’язані з короткостроковим ризиком настання інфаркту міокарда (ІМ). Їхні висновки показують, що їх модель здатна на хорошу розрізнювальну здатність між пацієнтами з ризиком ІМ та без нього, використовує легкодоступні клінічні змінні та представляє найкращі на сьогодні зусилля щодо запобігання та підготовки до настання ІМ.
Інфаркт міокарда та проблеми його прогнозування
Інфаркт міокарда (ІМ) є серйозним і часто смертельним серцево-судинним захворюванням, викликаним зменшенням або повним припиненням кровотоку до певної частини міокарда. Відомий як «серцевий напад», ІМ залишається основною причиною смерті від неінфекційних захворювань у світі.
На жаль, попри десятиліття досліджень, спрямованих на запобігання ІМ, більшість методів профілактики ризику не можуть враховувати динамічний характер причинних змінних ІМ, що значно перешкоджає зусиллям щодо виявлення пацієнтів із високим ризиком майбутнього інфаркту міокарда. Відомо, що такі стохастичні травматичні події, як втрата близької людини або діагноз раку, значно збільшують ризик настання серцевого нападу. Проте їх важко передбачити, в основному тому, що кожна людина по-різному реагує на ці змінні.
Для прогнозування та підготовки до інфаркту міокарда (ІМ) вкрай необхідне масштабне дослідження населення з метою виявлення біомаркерів. Біомаркери (циркулюючі біомаркери) можуть забезпечити надійні та кількісні джерела даних. Хоча їх досліджували й раніше, більшість досліджень використовували невеликі когорти з обмеженими періодами спостереження, що знижувало надійність та призводило до суперечливих результатів.
Профілактика первинних безсимптомних факторів ризику протягом тривалого періоду є дороговартісним, а мотивація пацієнтів та медичних працівників обмежена навіть для вторинної профілактики. Короткострокове прогнозування ризику на основі біомаркерів ІМН може змінити ситуацію щодо профілактики, оскільки знання про підвищений ризик першого інфаркту міокарда протягом наступних кількох місяців може спонукати пацієнтів та лікарів розглянути превентивні стратегії.
Про дослідження
Це дослідження проводилося на основі гіпотези, що циркулюючі біомаркери можуть служити замінниками критичних, але динамічних біологічних процесів, які передують інфаркту міокарда на кілька місяців. Це надало б пацієнтам та медикам достатньо часу для застосування стратегій пом’якшення та підготовки до ІМН.
Дані для дослідження були отримані із аналізу випадків-кохорт під назвою «Маркери майбутнього інфаркту міокарда (MIMI)». Дослідження охоплює біобанковану кров (250 мкл плазми) та пов’язані демографічні та медичні дані з шести європейських популяцій дослідження, що належать до співпраці Biobanking and Biomolecular Research Infrastructure-Large Prospective Cohorts (BBMRI-LPC). Для цього дослідження пацієнти з клінічною історією серцево-судинних захворювань були виключені, внаслідок чого загальний розмір вибірки склав 2 018 учасників.
Досліджуваний результат: Настання ІМН (зокрема, гострого інфаркту міокарда) протягом шести місяців після базового забору крові. Усі відібрані зразки піддавалися аналізу білків та метаболітів за допомогою тесту розширення близькості Olink та тандемної мас-спектрометрії рідинної хроматографії надвисокої ефективності (UPLC-MS/MS) відповідно.
Навчання та тестування моделі: Інформацію про білки, метаболіти та біомаркери, специфічні для кожного зразка, розділили між наборами даних для виявлення (70%) та валідації (30%), рандомізували та повторювали 100 разів для збільшення ефективного розміру вибірки. Оцінка ризику ІМН проводилася за допомогою регресійних моделей пропорційного ризику Кокса зважених із розшаруванням. Хоча й тестувалися, регресійні моделі LASSO (найменше абсолютне звуження та вибір оператора) та моделі машинного навчання випадкового лісу (ML) не змогли визначити біомаркери, здатні покращити прогнозування ризику.
Результати дослідження: З 2018 осіб, включених у дослідження, у 420 учасників ІМН розвинувся протягом шести місяців після базового забору крові, і вони розглядалися як випадки, тоді як решта 1 598 осіб розглядалися як представники субкагорти. Аналіз білків та метаболітів збережених зразків плазми крові виявив 817 білків та 1 025 метаболітів. У поєднанні з демографічними та клінічними історіями 16 клінічних змінних було узгоджено між когорти.
Навчання моделі та наступна валідація виявили 48 білків, 43 метаболіти та три клінічні фактори (змінні: стать, вік і систолічний артеріальний тиск), пов’язані з ризиком ІМН. При коригуванні регресійних моделей за віком і статтю натрійуретичний пептид мозку (BNP) виявився найсильнішим фактором, що визначає ризик ІМН.
BNP був єдиним біомаркером із промовистою асоціацією у внутрішній валідації, пройшовши формальні критерії реплікації у 22 з 100 випадкових розділів. Для порівняння, стовбурові клітини фактора (SCF) та інтерлейкіну-6 (IL-6), біомаркери зі слабшою підтримкою асоціації, реплікувалися лише у 5 або 4 з 100 випадкових розділів.
