1.1.4. Роль биомаркеров в возникновении и прогрессировании хронических неинфекционных заболеваний (реклассификация)
Определение общего сердечно-сосудистого риска стало первостепенной задачей в практике врача, начиная с конца прошлого века, когда была представлена модель риска, основанная на данных Фремингемского исследования [1]. С тех пор прошло четверть века. Новые модели и шкалы определения риска появились в Европе, Америке и других странах [2, 3]. Однако все они имеют один крупный недостаток – недостаточную точность определения риска, которая, к сожалению, нередко приводит к неправильной оценке и увеличению числа ложных случаев, как положительных, так и отрицательных, что в свою очередь может привести к избыточному использованию ресурсов [4].
В последние годы поиск и изучение показателей, улучшающих точность оценки сердечно-сосудистого риска, является важнейшим направлением современной кардиологии. Были получены данные, показавшие новые возможности для оценки риска из числа новых биомаркеров, среди которых сердечные тропонины (cTn) являются потенциально наиболее успешными кардиоспецифическими показателями [5].
Интерес к использованию сердечно-сосудистых биомаркеров в области первичной профилактики за последнее десятилетие существенно увеличился, что вызвано достижениями в области генетических и молекулярных исследований, которые представили данные о ранних изменениях физиологии сердечно-сосудистой системы и одновременно показали новые возможности для выявления новых биомаркеров [5]. Другим фактором, способствующим усилению внимания к ранним скрининговым тестам, было понимание, что традиционные факторы риска ССЗ (например, гипертония, гиперлипидемия, курение, СД) не полностью объясняют вариации сердечно-сосудистого риска. Например, значительная часть людей, у которых возникают ССЗ, имеют мало или вообще не имеют факторов риска [6].
Таким образом, одна из главных задач исследователей заключается в разработке стратегий скрининга, которые безопасно, точно и экономически эффективно выявляют людей с риском сердечно-сосудистых событий задолго до появления симптомов. Превентивные вмешательства, вероятно, будут наиболее эффективными в этот период, поскольку процесс развития атеросклероза может протекать бессимптомно в течение многих лет. В связи с этим, поиск и изучение «новых» биомаркеров может быть важным компонентом этих превентивных стратегий.
Среди биомаркеров можно отметить сердечные тропонины, определяемые высокочувствительным способом, С-реактивный белок, мозговой натрийуретический пептид и прочие биологические показатели. Полученные в первом исследовании результаты классификации пациентов с различным уровнем риска, установленного по стандартным критериям SCORE, подтвердили, что точность определения риска по данной шкале в нашей популяции недостаточна при сравнении с риском, выявленным по cТnI с учетом европейских критериев, что означает – часть выборки должна быть реклассифицирована.
В работе подтверждено, что повышенная концентрация сTnI статистически значимо ассоциируется с более высокой частотой любых сердечно-сосудистых событий в выборке населения 35-64 лет без инфаркта миокарда и острых нарушений мозгового кровообращения в анамнезе, а добавление cТnI в модель риска SCORE достоверно повышает точность определения сердечно-сосудистого риска.
Итак, биомаркер – это показатель, который измеряется, чтобы увидеть изменения исхода или ответа на лечение.
Необходимо искать новые биомаркеры. Учитывая, что 40-50% больных остаются вне оценки риска, это очевидно. Однако прежде, чем включать новые биомаркеры, надо выяснить:
- добавляет ли новый биомаркер к старым факторам риска;
- способен ли он предсказывать риск в разных когортах;
- является ли он независимым от традиционных факторов риска;
- снижает ли риск вмешательство, направленное на этот биомаркер.
Будущее открытие биомаркеров будет связано с новыми технологиями, включая генетические, геномные, метаболомные, протеомные параметры. Появление новых данных приведет к необходимости развивать новые способы работы с информацией. Иначе говоря, биоинформатика и вычислительная биология будут собирать все данные, полученные с помощью новых технологий и суммировать их прогностические модели риска.
Список литературы
- Wilson P.W., D’Agostino R., Levy D. Prediction of coronary heart disease using risk factor categories. Circulation. 1998;97(18):1837-47. doi:10.1161/01.cir.97.18.1837.
- Conroy R.M., Pyorala K, Fitzgerald A.P., et al. Estimation of ten-year risk of fatal cardiovascular disease in Europe: the SCORE project. Eur Heart J. 2003;24:987-1003. doi:10.1016/s0195-668x(03)00114-3.
- Hippisley-Cox C., Coupland Y., Vinogradova Y. Predicting cardiovascular risk in England and Wales: prospective derivation and validation of QRISK2. BMJ. 2008;336(7659):1475-82. doi:10.1136/ bmj.39609.449676.25.
- Sachdeva A., Cannon C.P., Deedwania P.C., et al. Lipid levels in patients hospitalized with coronary artery disease: an analysis of 136,905 hospitalizations in Get With The Guidelines. Am Heart J. 2009;157(1):111-7.e2. doi:10.1016/j.ahj.2008.08.010.
- Gerszten R.E., Wang T.J. The search for new cardiovascular biomarkers. Nature. 2008;451:949-52. doi:10.1038/nature06802.
- Khot U.N., Khot M.B., Bajzer C.T., Sapp S.K., Ohman E.M., Brener S.J., Ellis S.G., Lincoff A.M., Topol E.J. Prevalence of conventional risk factors in patients with coronary heart disease. JAMA. 2003;290:898-904.