
Predicción del riesgo cardiovascular: Proyecto SCORE
La enfermedad cardiovascular es una enfermedad crónica impulsada por la interacción de la genética, el medio ambiente y el estilo de vida, que en última instancia conduce a eventos cardiovasculares.
Preservar la salud cardiovascular y la prevención de las enfermedades cardiovasculares es fundamental, especialmente después de los hallazgos más recientes del Estudio sobre enfermedades cardiovasculares que muestran que estas siguen siendo la principal causa de mortalidad y están aumentando en muchos lugares anteriormente en declive.
¿Por qué es importante conocer el riesgo cardiovascular?
La predicción del riesgo cardiovascular ayuda a modificar la intensidad de los esfuerzos preventivos e identifica a los pacientes de alto riesgo que necesitan una intervención inmediata y más agresiva, lo que ayuda a actuar incidiendo en el estilo de vida y la de los factores de riesgo.
Se ha establecido que los pacientes de alto riesgo se benefician más del tratamiento para reducir el colesterol LDL en términos de reducción absoluta. Los sistemas de estimación de riesgo que se utilizan actualmente miden los factores de riesgo establecidos en un solo momento para predecir el riesgo a 10 años.
La complejidad de predecir el riesgo a 10 años conduce a algunos errores donde los factores de riesgo en un momento dado pueden no reflejar la exposición acumulada a lo largo del tiempo, dado que se evalúa un número limitado de factores de riesgo y este riesgo se basa en promedios de grupo. En general, tienden a sobrestimar el riesgo en las personas mayores y de mayor riesgo, mientras subestima el riesgo en las personas más jóvenes y en las mujeres.
Con el envejecimiento de la población, es cada vez más importante estimar el riesgo en los ancianos. En la práctica, no debemos restar importancia a las medidas preventivas en sujetos con un riesgo a 10 años, ya que incluso los sujetos con un riesgo aparentemente bajo se beneficiarán de los consejos sobre el estilo de vida y la modificación de los factores de riesgo.
Independientemente del riesgo inicial, todos deben recibir consejos sobre el estilo de vida y los factores de riesgo, aunque la intensidad de los esfuerzos puede variar.
¿Cómo calculamos el riesgo?
El proyecto SCORE se inició para desarrollar un sistema de puntuación de riesgo para su uso en la práctica. Se basó en un conjunto de datos de 12 estudios europeos, con 205 178 personas que representan 2,7 millones.
El sistema de predicción de riesgos SCORE se ha incorporado a las directrices de prevención y se ha utilizado con éxito desde 2003. Desde entonces, los países europeos han experimentado una transformación epidemiológica, económica, social y nutricional, mientras que las terapias modernas han mejorado los resultados de salud y aumentado la esperanza de vida.
A raíz de estos cambios, el método de estimación de riesgo SCORE ha sido criticado por arrastrar valores que no reflejan los factores de riesgo y tratamientos contemporáneos. Otra limitación es que SCORE solo se recomienda para su uso en edades de 40 a 65 años.
SCORE2, un nuevo algoritmo derivado, calibrado y validado para predecir el riesgo a 10 años de ECV de primera aparición en las poblaciones europeas.
Para corregir y actualizar las posibles desviaciones se puso en marcha el estudio SCORE2 con varias ventajas sobre el modelo SCORE original porque se basa en los conjuntos de datos más actuales y representativos, y también tiene en cuenta el impacto de los riesgos competitivos que no están relacionados directamente con las enfermedades cardiovasculares.
Para ellos se establecieron cuatro regiones europeas con diferentes niveles de riesgo y lo que es más importante aún, SCORE2 proporciona estimaciones de eventos cardiovasculares mortales y no mortales. Tener en cuenta solo los eventos mortales pueden subestimar la carga total, especialmente en sujetos más jóvenes.
Para mejorar la precisión de la predicción del riesgo en adultos mayores de 65 años, el nuevo modelo SCORE2-Older Persons (SCORE2-OP), publicado en este número del European Heart Journal, se ha derivado del estudio Cohort of Norway (CONOR) con 28 503 participantes de una región de bajo riesgo, recalibrados para cuatro regiones geográficas y validados en 338 615 personas de diferentes regiones. La principal ventaja de este modelo es que se ha ajustado el riesgo competitivo específico del sexo y se han incluido las interacciones de la edad para los factores de riesgo para tener en cuenta las diferencias en la relación entre los factores de riesgo y los resultados. SCORE2-OP ilustra claramente la amplia distribución en el riesgo de eventos de ECV a 10 años en personas mayores, enfatizando la necesidad de predecir correctamente el riesgo para guiar las decisiones de tratamiento en este grupo de edad.
La principal limitación de SCORE radica en varios supuestos y estimaciones de incertidumbre. Los riesgos de ECV difieren según la región, y estos cálculos se basan en multiplicadores regionales específicos por edad y sexo que se derivan de las antiguas tablas de la Organización Mundial de la Salud de muerte cardiovascular.

Cálculos de riesgo en el futuro
¿Cómo podemos conocer mejor la relación entre la genética, el estilo de vida y el medio ambiente a lo largo del tiempo en una persona para predecir el riesgo? La exposición de por vida a los factores de riesgo de ECV se detecta mejor mediante con la propensión genética, ya que el riesgo genético se acumula continuamente a lo largo de la vida de una persona.
Varios estudios han demostrado que los sujetos con altos porcentajes de riesgo ECV se deben a la genética. Añadir el riesgo poligénico a las ecuaciones existentes puede ayudar a identificar a las personas con vulnerabilidad genética debido a factores tradicionales y otros no identificados.
El sistema ideal de predicción debe estar más alineado con la biología de la enfermedad y debe capturar la susceptibilidad de la genética y la carga acumulada de diferentes factores de riesgo a los que el paciente ha estado expuesto a lo largo de su vida.
El futuro de la predicción del riesgo cardiovascular radica en pasar de las puntuaciones de riesgo basadas en la población a la predicción del riesgo personalizada en la que se integran una gran cantidad de variables relacionadas con el paciente a lo largo del tiempo. La capacidad de la inteligencia artificial para procesar rápidamente grandes cantidades de datos ha llevado al desarrollo de una predicción de riesgos basada en el aprendizaje automático con mayor precisión.
Actualmente, la mayoría de los modelos de aprendizaje automático que se han utilizado para la predicción de riesgos se limitan al procesamiento de macrodatos a partir de variables demográficas, biomarcadores o de imágenes.
El próximo reto es la integración de todos los datos disponibles, así como la biometría de dispositivos móviles para transformar nuestro enfoque de predicción personalizada del riesgo de por vida