Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
PARTE II Genética y medicina personalizada 47© 2019. Elsevier España, S.L.U. Reservados todos los derechos CONCEPTOS BÁSICOS DE LA MEDICINA PERSONALIZADA Y DE PRECISIÓN, 47 GENÉTICA, 48 GENÓMICA Y GENÓMICA FUNCIONAL, 49 OTRAS TECNOLOGÍAS «-ÓMICAS», 49 RESPUESTAS FARMACOLÓGICAS Y FARMACOGENÉTICA, 49 DATOS PERDIDOS: LO QUE ES NECESARIO PARA LA PRECISIÓN, 50 INTEGRACIÓN DE DESCUBRIMIENTOS Y ASISTENCIA, 50 BARRERAS DE LA MEDICINA DE PRECISIÓN, 51 PERSPECTIVAS FUTURAS, 52 BIBLIOGRAFÍA, 52 Medicina cardiovascular personalizada y de precisión CALUM A. MACRAE 6 CONCEPTOS BÁSICOS DE LA MEDICINA PERSONALIZADA Y DE PRECISIÓN La medicina siempre ha sido personalizada en muchos sentidos. Toda relación terapéutica tiene como núcleo la confianza implícita de que el resultado se adaptará a las necesidades personales del paciente. En este sentido, la personalización incorpora todos los matices y enigmas de la asociación paciente-sanador y es improbable que sea reemplazada alguna vez por un algoritmo guiado estrictamente por datos. En las últimas décadas, desde la llegada de la medicina molecular, han surgido varios términos diferentes para la visión prevaleciente de la intervención terapéutica adaptada a la biología del paciente individual. Entre estos términos se encuentran la medicina predictiva, personalizada, individualizada y estratificada, y algunos otros.1 También han ganado terreno una serie de conceptos relacionados en los que se enfatiza el componente analítico, como medicina P4 (predictiva, preventiva, personalizada y participativa),2 medicina de sistemas y medicina de red.3 Todos estos términos reflejan, en esencia, el mismo conjunto fundamental de objetivos: la medicina orientada por el estado biológico del paciente individual más que por la información agregada o promedio de una población o cohorte representativa. La suposición básica es que cuanta más precisión tenga la definición del mecanismo de cualquier diagnós- tico o intervención, con más precisión será capaz el clínico de predecir y modificar los resultados relevantes. Este principio se ha incorporado recientemente en los programas gubernamentales como la President’s Precision Medicine Initiative de EE. UU. o los consorcios de Medicina personalizada y Medicina estratificada de otros países.4,5 Estas iniciativas reconocen, cada vez más, que el rigor necesario para estos abordajes individualizados demanda la implicación activa del paciente en todas las etapas, desde la ciencia de la recopilación de datos y los descubrimientos hasta la intervención y modificación del comportamiento. En último término, la terminología específica empleada es menos relevante que la meta del abordaje: un entendimiento probabilístico de los mecanismos fundamentales de la salud y la enfermedad, con una base de conocimientos compartidos y en evolución alrededor de la cual los pacientes y sus equipos de atención sanitaria puedan mantener el bienestar y curar la enfermedad. Entre los requerimientos básicos de la medicina de precisión están los modelos cuantitativos rigurosos de los mecanismos de la enfermedad, las respuestas al tratamiento y los resultados, todos a diferente escala.1,3,6 En la práctica actual, los modelos computacionales predictivos se restringen casi completamente al campo de la investigación, pero a medida que se acumulan datos rigurosos en las historias médicas elec- trónicas y otros sistemas de aplicación, la medicina clínica adoptará más principios de la ingeniería y las ciencias aplicadas relacionadas. Hasta el momento, existen extraordinariamente pocas enfermedades que permitan la generación de modelos cuantitativos que capten totalmen- te la causa, el diagnóstico y el resultado terapéutico de la enfermedad.7 Existen numerosas razones que contribuyen a este déficit de información. En la mayoría de los casos, los estudios epidemiológicos han tenido que enfocarse en tipos de datos heredados definidos décadas antes y en estudiar entidades patológicas ya conocidas para constituir colectivos con múltiples mecanismos distintos, a menudo unificados solo por la baja resolución biológica de las pruebas de imagen o los biomarcadores clínicos.8 Aunque en diferentes síndromes existen estimaciones de la contribución relativa de los factores de riesgo genético o ambiental y de los factores estocásticos, hay pocas situaciones en las que la utilidad predictiva de estos cálculos es adecuada para orientar la toma de decisiones clínicas. La falta de utilidad predictiva a nivel del paciente de los paradigmas diagnósticos modernos es una función de la amplia variedad de proba- bilidades previas a la prueba en la que se despliegan las exploraciones, la baja especificidad de la mayoría de biomarcadores fuera de contextos muy específicos y la heterogeneidad etiológica subyacente. Las pruebas con características excelentes en un contexto a menudo se utilizan de forma errónea en otros ámbitos. Los estudios genéticos también apoyan la presencia de factores de confusión en los diagnósticos actuales, y la mayoría de síndromes cardiovasculares muestran una llamativa heterogeneidad genética (múltiples genes causales diferentes) y heterogeneidad alélica (alta proporción de nuevas variantes de genes conocidos de la enfermedad).9 En conjunto, estos hallazgos indican que nuestros modelos etiológicos para muchos trastornos cardiovasculares fundamentales son insuficientes para tener en cuenta la transcendental contribución genética y ambiental.10 Consecuentemente, la ciencia clínica y de la traducción ha enfatizado los fenotipos de fase tardía que se relacionan temporalmente con los resultados de forma más inmediata. Incluso en la prevención, sin embargo, nuestra capacidad para avanzar hacia causas próximas ha sido limitada. En muchos casos, los factores de riesgo pueden reflejar simplemente manifestaciones precoces de la enfermedad o compartir mecanismos a contracorriente, más que verdaderos antecedentes predictivos. La magnitud del efecto biológico de los biomarcadores tradicionales o genéticos probablemente sea el discriminador de utilidad clínica más importante, pero es infrecuente que se determine a lo largo de la vida en la población general.11 Las clasificaciones de riesgo genético compuesto para trastornos frecuentes, como la diabetes y la ateroesclerosis, solo añaden información de la progresión,12 mientras que incluso en los trastornos por un único gen con mecanismos etiológicos uniformes, efectos cuantiosos y alta penetrancia, puede ser difícil predecir resultados distintos, clínicamente significativos, como la muerte súbita. Otra consecuencia de la pérdida de datos es la desconexión entre los factores predictivos en la población y la utilidad individual y resalta Descargado para Anonymous User (n/a) en National Autonomous University of Mexico de ClinicalKey.es por Elsevier en enero 12, 2020. Para uso personal exclusivamente. No se permiten otros usos sin autorización. Copyright ©2020. Elsevier Inc. Todos los derechos reservados. https://booksmedicos.org https://booksmedicos.org 48 G en ét ic a y m ed ic in a p er so n a li za d a II una inferencia básica de la medicina de precisión: la necesidad de recoger datos biomédicos a una escala completamente diferente. Para darse cuenta totalmente de los beneficios potenciales de la medicina de precisión deben recogerse aún más archivos de datos extensos en cohortes mucho más grandes y a lo largo de toda la vida (fig. 6-1). GENÉTICA El campo cardiovascular ha trabajado mucho en la aplicación práctica de la genética, por ejemplo, en la comprensión de fenotipos paroxísticos complejos, como las arritmias y la muerte súbita, que han desafiado la capacidad para averiguar los componentes constituyentes de los rasgos.13 La extensa tradición de las determinaciones fisiológicas y la epidemiología clásica de los factores de riesgo en la investiga- ción cardiovascular también ha facilitado los grandesestudios de correlación genotipo-fenotipo a medida que han estado disponibles las técnicas genómicas (v. capítulo 7). El objetivo de los trabajos pioneros en la identificación de los genes causales y los esfuerzos continuados por definir los mecanismos de la enfermedad han sido las grandes familias que, de manera retrospectiva, parecen tener una penetrancia relativamente excepcional.9 Sin embargo, las familias más normales tienen una contribución hereditaria a la enfermedad más pequeña y considerablemente menos informativa. En realidad las «mutaciones» espurias han proliferado, a menudo en genes patológicos espurios, basadas en una simple «culpabilidad por asociación» sin una demostración rigurosa de la implicación mecanicis- ta.14,15 Incluso las mutaciones caracterizadas de manera definitiva como «causales» en una familia pueden no tener un fenotipo discernible en otra familia o cuando se observan en la población general, como se ha demostrado últimamente en cohortes poblacionales.16,17 Las diferencias en las manifestaciones clínicas pueden reflejar discrepancias en los modificadores genéticos sensibilizadores o en las exposiciones ambientales, pero se ha demostrado que estos mecanismos son difíciles de establecer salvo en unos pocos casos. Estas observaciones enfatizan la importancia de desarrollar abordajes que permitan a los clínicos establecer un rol mecanicista para las diversas variantes en pacientes individuales si se espera que la genética influya en la asistencia clínica en la medicina de precisión. Aunque hemos cosechado grandes conocimientos etiológicos de la genética mendeliana clásica, el simple empleo del genotipo para especificar diagnósticos o guiar tratamientos en los pacientes individuales actualmente está lejos de ser una realidad. Los límites de la correlación genotipo-fenotipo son más obvios en trastornos en los que la presión intensa de la selección conduce a tasas elevadas de mutaciones de novo, a menudo en genes múltiples altamente conservados, con la consiguiente heterogeneidad alélica y genética. En algunos casos la relación poco precisa entre genotipo y fenotipo puede reflejar diferencias reales en el mecanismo de acción de las diferentes variantes del mismo gen. En la cardiopatía congénita grave, en la que está en riesgo la supervivencia del organismo durante el período neonatal a pesar de tasas de recidiva familiar coherentes con genes únicos de gran efecto,18 existen pocos o ningún caso con una explicación genética «necesaria y suficiente».19 En este contexto, suelen citarse como posibles mecanismos para esta discordancia las interacciones gen-gen o gen- ambiente, pero generalmente sin evidencia empírica. Los abordajes del genoma completo y del exoma completo revelan la verdadera escala del enigma genotipo-fenotipo, normalmente generando numerosas variantes causales posibles en ausencia de un método sis- temático para el conocimiento de cuál de ellas es la causante.20 Sin los índices probabilísticos de causalidad sería difícil definir el mecanismo FIGURA 6-1 Medicina de sistemas: estratificación de datos. La medicina clínica probablemente pueda informarse a partir de un número infinito de estratos de datos. La creación de estructuras informáticas para entender cómo interaccionan estos ficheros de datos y cómo pueden impactar en la asistencia, así como la definición de los datos necesarios para la toma de decisiones, será una tarea fundamental que determinará el éxito de la medicina de precisión. NCIBI, National Center for Integrative Biomedical Informatics; SNP, polimorfismos de nucleótido único; VNC, variantes del número de copias. Descargado para Anonymous User (n/a) en National Autonomous University of Mexico de ClinicalKey.es por Elsevier en enero 12, 2020. Para uso personal exclusivamente. No se permiten otros usos sin autorización. Copyright ©2020. Elsevier Inc. Todos los derechos reservados. https://booksmedicos.org https://booksmedicos.org 49 M ed icin a card io vascu lar p erso n alizad a y d e p recisió n 6 © E ls ev ie r. Fo to co pi ar s in a ut or iz ac ió n es u n d el ito . de la enfermedad, identificar nuevos fármacos y aportar precisión a la medicina de forma satisfactoria.6 Los estímulos ambientales condicio- nantes (intra- y extrauterinos) son casi invariablemente desconocidos e inmensurables, lo que amplifica estas limitaciones.21 Cuando las presiones de la selección genética son menos agudas (p. ej., enfermedad arterial coronaria, hipertensión), además de los factores ambientales no medidos, la agregación de diferentes etiologías y la baja especificidad de los diagnós- ticos negativos hacen que la interpretación genética clínica sea un desafío. Una anamnesis familiar rigurosa a la cabecera puede identificar el riesgo potencial de enfermedad y permitir al clínico discriminar entre el ambiente y la herencia de los patrones de transmisión. Cuando se lleva a cabo sistemáticamente en cohortes de pacientes, la anamnesis familiar también puede ayudar a la estimación cuantitativa de la contribución hereditaria y adquirida a la arquitectura de la enfermedad. La llegada de la historia clínica electrónica (HCE) ha disminuido la calidad de la recopilación de datos familiares y de exposición, aunque el éxito de la medicina de precisión dependerá de esta información.5,22 Con el tiempo, la relación se estimará según la determinación del genotipo, y la heredabilidad podría valorarse directamente a partir de la HCE. De manera similar, las exposiciones deben determinarse con rigor cuantitativo para definir la función del ambiente en la causa, el pronóstico y el tratamiento de la enfermedad. Los dispositivos personales, la ingesta nutricional detallada y la microbiota, entre muchos otros ficheros de datos, finalmente entrarán a raudales en las historias médicas. La magnitud de la inversión necesaria para captar e integrar esta información perdida, probablemente, no duplicará la de la HCE, respaldando la integración futura de la asistencia y los descubrimientos en un único sistema. GENÓMICA Y GENÓMICA FUNCIONAL El desarrollo de las tecnologías modernas para el genotipificación asequible y eficiente de millones de variantes en un único experimento condujo a la aparición de los estudios de asociación del genoma completo (GWAS, genome-wide association studies)23 (v. capítulos 7 y 45). Los grandes estudios poblacionales cardiovasculares y los ficheros de datos de ensayos clínicos se han reestructurado en términos de la exposición a largo plazo para genotipos particulares. Estas técnicas han identificado cientos de locus que contribuyen a numerosos rasgos, desde los lípidos plasmáticos hasta los parámetros electrocardiográficos. Los fenotipos binarios, como la fibrilación auricular y el infarto de miocardio, también se han estudiado con éxito. Es importante señalar que para la inmensa mayoría de locus identificados con GWAS hasta la fecha se desconoce su mecanismo subyacente de contribución a la enfermedad, reflejando al menos parcialmente que, en la mayoría de los casos, estos alelos explican solo una proporción moderada de la variación heredable del rasgo.10 Las excepciones a esta regla reflejan normalmente los efectos limitados de la enfermedad en la eficiencia reproductiva.11 Las interacciones gen-gen o gen-ambiente se invocan racionalmente como explicación de la «heredabilidad perdida» pero hay pocos trabajos que hayan probado directamente si estos mecanismos son importantes para la mayoría de los rasgos. Incluso parece improbable que los GWAS más extensos puedan abordar estos problemas, no solo como resultado de la insuficiencia para resolver la heterogeneidad subyacente sino también porque el nivel de estudio necesario para entender la interacción de los múltiples locus de pequeño efecto es económicamente prohibitivo. Además, un modelo alternativo plausible para el origen de la heredabilidad perdida son los alelos que simplementeno se determinan debido a un fenotipificación limitado o a una dependencia de variables condicionantes desconocidas. La adopción de fenotipos cuantitativos más aproximados y rigurosos y de un acercamiento a la medida objetiva de los factores ambientales, a través de una mayor homogeneidad de las cohortes, tendría influencia en gran parte del potencial latente de la genómica moderna.8 Las determinaciones genómicas de una variación frecuente tienen un rigor predictivo considerablemente mayor que la variación mendeliana muy pleótropa. Sin embargo, las limitaciones actuales de este propósito son la falta de modelos de predicción del riesgo para la vida, la naturaleza creciente de la información genética sobre los factores de riesgo tradicionales, la cuantía muy moderada de los efectos, y la ausencia consecuente de discriminación mecanicista. Los datos del GWAS pueden ser útiles para la evaluación de las posibles dianas terapéuticas identificadas por otros medios o para la valoración de los problemas potenciales de seguridad farmacológica.24 Un atributo importante del genoma es su exhaustividad. De hecho, en el momento actual, la genómica representa uno de los pocos ficheros de datos extensos de un organismo. Como consecuencia, la genómica puede demostrar ser una infraestructura organizadora útil para gran parte de la biología y la medicina mucho antes de que los datos se pongan en práctica. La secuenciación genómica realizada al nacimiento o incluso más precozmente no solo podría orquestar la priorización de la recogida de datos fenotípicos, sino que también permitiría la asistencia preventiva dirigida por el riesgo en áreas donde no existen biomarcadores, el estudio eficiente de los alelos de enfermedad en organismos modelo relevantes y el desarrollo de narraciones específicas del paciente para la enfermedad durante la vida. OTRAS TECNOLOGÍAS «-ÓMICAS» La tecnología genómica ha generado abordajes paralelos a la recopilación de grandes ficheros de datos no sesgados en otras áreas de la biología, como la transcriptómica, la metabolómica, la proteómica, la lipidómica y la metagenómica (v. capítulo 9). La secuenciación del ARN a gran escala ha permitido caracterizar la verdadera extensión de la transcripción a través del genoma.25 La complejidad masiva añadida a los productos de cada gen mediante el corte y empalme de diferentes exones codificadores de proteínas o de exones reguladores del ARN y la edición del ARN añade nuevas dimensiones al exoma tradicional.26 Sin embargo, la observación de que gran parte del genoma no codificante también se transcribe activamente y tiene diversas funciones a través de los micro-ARN, los ARN no codificantes largos intermedios y los efectos sobre el acceso a las zonas de unión del ADN o el ARN, ha cambiado el marco conceptual sobre cómo funciona el genoma.25 También existen otros ARN reguladores, intermediarios complejos y secuencias exógenas, aunque sus funciones pueden ser menos obvias. Algunos de ellos representan productos de comensales microbianos de la piel, el intestino u otras localizaciones, y la secuenciación del ADN y el ARN ha comenzado a explorar la complejidad del microbioma en la salud y la enfermedad.27 Las mejoras en la espectrometría de masa cuantitativa y en nuevas tecnologías, como los aptámeros (reactivos basados en oligonucleótidos), están empezando a hacer una realidad la proteómica precisa, pero las inmensas diferencias en la abundancia relativa de algunas proteínas continúan dificultando este campo. La tecnología de aptámeros puede ayudar a superar algunas de estas limitaciones.28 La espectrometría de masa también está revolucionando la capacidad para determinar una gran variedad de pequeñas moléculas fisiológicas, lípidos y metabolitos.29 Se ha demostrado que algunas de estas moléculas median interacciones entre el microbioma y el huésped en el seno de trastornos vasculares crónicos.27 Sin embargo, por su naturaleza, cada uno de estos ficheros de datos sigue siendo menos exhaustivo que un genoma. Ya existen vías para desplazar las técnicas genómicas funcionales hacia el empleo diagnóstico y terapéutico, pero siendo conscientes de que su utilidad completa requiere un conocimiento mucho más riguroso. A medida que se recogen y estudian ficheros de datos tremendamente similares, también será vital construir series temporales dinámicas en el contexto de perturbaciones estructuradas. Estas perturbaciones podrían consistir en problemas ambien- tales, nutricionales o farmacológicos estandarizados. Además, será necesario entender el flujo entre los distintos compartimentos tisulares o celulares. En la mayoría de los casos existen muy pocos datos sobre moléculas de interacción, lo que subraya la necesidad de una aplicación mucho más amplia de los componentes moleculares identificados en clases individuales y de enfatizar la función central de la biología de sistemas o de red para descifrar esta nueva biología.1,3 A pesar de algunos conocimientos notables en genómica funcional, la incorporación de las tecnologías de nuevo perfil al campo clínico ha sido lenta, en gran parte debido a la lógica inquietud en relación con la necesidad de una validación sólida a través de métodos prospectivos. Es difícil ver cómo se pueden modificar adecuadamente los diseños de estudio tradicionales. La explotación total de estos abordajes requerirá la construcción de plataformas de investigación que permitan el estudio de la biología integral en grandes poblaciones y en múltiples estados patológicos. RESPUESTAS FARMACOLÓGICAS Y FARMACOGENÉTICA En cardiología se ha reconocido durante décadas la efectividad de un estímulo oportuno y estructurado para valorar el «estado» de un sistema (p. ej., estímulo con líquidos para valorar la hemodinámica). La dinámica de las respuestas a los fármacos se encuentra entre los rasgos heredados que se han estudiado de manera más rigurosa, ya que la presencia de una perturbación mejora la potencia de la mayor parte de los análisis genéticos. Además, la mayoría de los fármacos utilizados actualmente han conocido dianas principales, de modo que los estudios farmacogenéticos a menudo se validan más eficientemente. A pesar Descargado para Anonymous User (n/a) en National Autonomous University of Mexico de ClinicalKey.es por Elsevier en enero 12, 2020. Para uso personal exclusivamente. No se permiten otros usos sin autorización. Copyright ©2020. Elsevier Inc. Todos los derechos reservados. https://booksmedicos.org https://booksmedicos.org 50 G en ét ic a y m ed ic in a p er so n a li za d a II de estas observaciones, la recopilación clínica de datos de respuesta a fármacos sigue siendo escasa, y el empleo de la farmacogenética en la práctica clínica es infrecuente fuera de la oncología (v. capítulo 8). Varios factores han conspirado para demorar la puesta en práctica rutinaria de la farmacogenética. En primer lugar, en la mayoría de los casos, las mismas respuestas a los fármacos son sustitutivos razonables de la eficacia o la toxicidad aguda «sobre la diana», y las variables farmaco- genéticas no han incluido la mortalidad ni la morbilidad.30,31 Segundo, el plazo de recepción de las pruebas genéticas generalmente es discordante con la toma de decisiones clínicas, como en los síndromes coronarios agudos, en que el uso de dosis más elevadas o de fármacos alternativos para limitar los posibles perjuicios del clopidogrel en los genotipos CYP2C19 específicos impidió el uso extenso del genotipificación.32 Obviamente, la secuenciación del genoma al nacimiento y los análisis prospectivos a lo largo de la vida resolverían muchos de estos problemas. El poder real de la genética es la identificación inequívoca de los mecanismos causales. La comprensión del «mecanismo» transforma la capacidad para descubrir y desarrollar nuevos fármacos o tratamientos. Los organismos modelo genéticos tuvieron un éxito considerable en enfermedades infrecuentes,pero ya no están disponibles para los trastornos más frecuentes que afligen a los seres humanos. Un resultado fundamental en la medicina de precisión podría ser la identificación de una nueva biología de la enfermedad y, por tanto, de nuevas dianas terapéuticas.8,33 La identificación de nuevas dianas mediante la medicina de precisión anunciaría la necesidad de transformar los abordajes actuales para el des- cubrimiento de fármacos. Cuando se integre en los campos científicos de alto índice en desarrollo, la detección sistemática guiada por el fenotipo y la identificación de dianas se harán cada vez más factibles para su empleo en la propia enfermedad como diana eficaz para el descubrimiento de fármacos, en lugar de una vía específica a favor de corriente en la cadena causal.34,35 La innovación debe cambiar la escala y eficiencia del descubrimiento de fármacos mediante casi un orden de magnitud si la sociedad va a ser capaz de permitirse la medicina de precisión. De manera similar, sería necesaria una revaluación creativa de los abordajes reguladores del desarrollo farmacológico para la introducción eficiente de nuevos tratamientos de precisión.36 Sin un tratamiento de precisión, la medicina de precisión tendrá un efecto limitado. DATOS PERDIDOS: LO QUE ES NECESARIO PARA LA PRECISIÓN De la medicina de precisión surge un impedimento que es la naturaleza limitada de los datos recopilados en el sistema clínico tradicional. La com- plejidad masiva de los datos de la genómica o la genómica funcional con- trasta con el grado modesto de los análisis realizados en la medicina clínica, incluso de la suma de todos ellos. Desplegar el contenido de la información integrada en la genómica funcional requiere un cambio considerable en el grado de la valoración clínica moderna. Sin embargo, esta modificación no debe perjudicar la interacción médico-paciente (tabla 6-1). La anamnesis clínica debe hacerse más estructurada, enfocarse en el individuo y documentarse de manera precisa. La simple digitalización de la anamnesis retrospectiva transversal tradicional no será suficiente. En condiciones ideales, la anamnesis personal incluiría la trayectoria de los síntomas a largo plazo, las correlaciones sintomáticas de las respuestas objetivas a estímulos dinámicos estandarizados, los datos cuantitativos de exposiciones previas, y los datos de referencia personales sobre estos mismos parámetros. Paralelamente, debe modernizarse la exploración física. La definición de la «exploración física» digital con una representación suficientemente rigurosa de los sistemas fundamentales y un coste lo bastante bajo para su aplicación universal es una prioridad en la medicina de precisión, pero solo ha empezado a surgir como enfoque a través de los trabajos sobre ontología del fenotipo. La estructura del genoma podría actuar como fichero de datos exhaustivo central, pero otros podrían ser la morfometría digital a lo largo de la vida y las técnicas portátiles enfocadas en los fenotipos celulares o moleculares cuantitativos. Final- mente, la mayoría de las recopilaciones de datos serán ambientales, con adquisición paralela de metadatos, como la administración de estímulos específicos (p. ej., nutricionales, farmacológicos). Las metas de la medicina moderna a corto plazo podrían consistir en las trayectorias a lo largo de la vida detalladas para un conjunto compartido de fenotipos ortogonales representativos; una exploración física medible en la que serían fácilmente detectables las desviaciones de la normalidad mediante la tecnología existente. La expansión del alcance del fenotipificación extendería la potencia de los datos genotípicos existentes y permitiría la estratificación antes de la introducción de la genómica funcional exhaustiva (tabla 6-2). Otro fundamento para estas estrategias es el supuesto de que, junto con los genomas completos, el fenotipificación más preciso facilita el modelado de la enfermedad en tiempo real, ya sea mediante simulación informá- tica o en animales. El modelado de la enfermedad se perfeccionará adicionalmente con la incorporación de perturbaciones que puedan aplicarse uniformemente a los sistemas modelo y a los pacientes por igual. Un marco conceptual centrado en el mecanismo podría facilitar llevar la definición de causalidad, biomarcador o descubrimiento de fármacos e incluso de desarrollo de fármacos a nivel del paciente individual o de la familia.37 INTEGRACIÓN DE DESCUBRIMIENTOS Y ASISTENCIA Una consecuencia fundamental de las estrategias cada vez más exhaus- tivas para la recopilación de datos genómicos, fenotipos y exposiciones ambientales a través de poblaciones enteras y a lo largo de su vida será la capacidad para abordar de una manera racional las interacciones gen-gen, gen-ambiente y otras complejas (p. ej., comunicación huésped- comensal). Este grado de esfuerzo requerirá una nueva ideación de las iniciativas clínicas y de investigación. De hecho, la división tradicional entre estas dos esferas de actividad se difuminará cada vez más en los «sistemas de aprendizaje de salud» que se imaginan en la actualidad. El concepto prevalente es que la inclusión de la recopilación y el análisis de los datos en la HCE permitiría la experimentación en el mundo real, incluso la aleatorización, para explorar cuestiones anteriormente inaccesibles.38 Por último, la adición modular de instrumentos de adquisición de nuevos datos y de nuevas plataformas de aplicación o aportación de la asistencia podría evolucionar hasta el punto de que TABLA 6-1 Escalas de datos en medicina clínica y genómica tipos de datos estimaciones de la escala de datos metadatos estÁndares de los datos releVantes Anamnesis 103 No Tradicionales pero subjetivos Exploración física 102 No En gran parte subjetivos Pruebas clínicas 104 Pocos Estándares objetivos pero escasos Metabolómica 102 No Surgiendo Genoma completo 3 × 109 N/D Sí Secuenciación del ARN ≈1018 Sí Sí Proteómica y modificaciones postraducción ≈1020 Sí Surgiendo Conectoma celular > 1069 Aún no Ninguno TABLA 6-2 Características ideales del fenotipo Fenotipos tradicionales Fenotipos de precisiÓn Intuitivos o fortuitos No sesgados Cualitativos Cuantitativos Estáticos Dinámicos Pocos metadatos Metadatos densos con estímulos traducibles Transversales Continuos Vía común final Previos a la enfermedad Traducibilidad limitada Traducibles por diseño Descargado para Anonymous User (n/a) en National Autonomous University of Mexico de ClinicalKey.es por Elsevier en enero 12, 2020. Para uso personal exclusivamente. No se permiten otros usos sin autorización. Copyright ©2020. Elsevier Inc. Todos los derechos reservados. https://booksmedicos.org https://booksmedicos.org 51 M ed icin a card io vascu lar p erso n alizad a y d e p recisió n 6 © E ls ev ie r. Fo to co pi ar s in a ut or iz ac ió n es u n d el ito . esos elementos de la atención susceptibles de gestión algorítmica se extendieran más allá de la implicación profesional, y que la actividad profesional se integrara completamente con los descubrimientos y la ciencia de la traducción. Compartir el vocabulario genotípico, ambiental (incluido el farmacológico) y fenotípico cuantitativo permitirá a las diversas comunidades de la ciencia biomédica trabajar de forma más cohesionada. BARRERAS DE LA MEDICINA DE PRECISIÓN Actualmente, existen varias barreras que impiden una puesta en marcha amplia de la medicina de precisión, requiriendo un cambio considerable para llevar a cabo todo su potencial (tabla 6-3). Incluso para resolver una enfermedad en toda su complejidad a nivel del mecanismo en un paciente específico se requerirán cambios sociales sustanciales en la inclinación al empleo de los datos en la asistencia sanitaria. En último término, el control personal de la información puede ser la solución más eficaz para muchos de los obstáculos existentes. La meta de cualquier programade la medicina de precisión debe ser el desarrollo de un marco biológico para el diagnóstico y la toma de decisiones, lo que no se puede conseguir con el contenido limitado de información de la HCE actual. Los requerimientos para la recopilación, agrupación, gestión y exposición de los datos se incorporarán en sis- temas enfocados en el individuo, con responsabilidades individuales, como sucede con la mayoría de las actividades externas a la asistencia sanitaria. Los analistas de datos predicen que los «sistemas de aprendi- zaje de salud» extraerán información a partir de las perturbaciones de la asistencia rutinaria. El despliegue de estas capacidades requerirá una arquitectura de los sistemas de información completamente diferente a las plataformas actuales, que se enfocará en gran medida en los registros de los profesionales. La identificación de los factores ambientales para la comprensión de la salud y la enfermedad ha progresado lentamente en comparación con los enormes archivos de datos de casi todos los demás campos de la vida diaria. La explotación de datos de numerosos contextos de la vida de las personas puede parecer una intrusión forzada, pero estos métodos son comunes y corrientes en la seguridad comercial o financiera y TABLA 6-3 Barreras para la medicina de precisión Área de actiVidad Barreras solUciones potenciales o emerGentes Marco probatorio Coste de reproducción de la evidencia tradicional Falta de familiaridad con la tecnología Pocos EAC Intervalo de riesgo y beneficio amplio Reducción de costes Educación EAC del mundo real Diseños de ensayo alternativos Colección de datos fenotípicos Aleatorio, fortuito Tipos de datos heredados Pocos metadatos Colección de datos transversales Totalmente incluidos en sistemas clínicos Fenomas por diseño Intervenciones moleculares como metadatos Colección de datos ambientales/implicación pública Colección de datos genómicos Comunicación basada en gran medida en la investigación Coste Pocos metadatos Base limitada en la evidencia Desarrollo de estándares rigurosos de comunicación Reducción de costes Desarrollo paralelo de la ciencia fenómica Desarrollo de una base rigurosa en la evidencia Estructura de los datos HCE actuales de alcance limitado Arquitectura de datos heredada Arquitectura de datos centrada en las instituciones Historias personales exhaustivas Nuevos tipos de datos Arquitectura centrada en el paciente Comunicación de datos Riesgos de seguridad Procedencia de los datos Privacidad/HIPAA Ausencia de valor percibido Seguridad y auditoría rigurosas Fideicomiso de datos Revaluación de intercambios de privacidad Evidencia objetiva de valor para el individuo Analítica Falta de disponibilidad en la HCE Modelos probabilísticos limitados Falta de familiaridad del médico Falta de implicación del paciente Creación de plataformas que encabecen las HCE Desarrollo de soporte de decisión probabilística Educación flexible del paciente y del médico Exposición de datos Crecimiento masivo de la densidad y la velocidad de los datos Formatos de datos heredados Formación incompatible del profesional Nueva ideación de la exposición de los datos y del proceso de trabajo junto con el rediseño de la asistencia Inversión en desarrollo de la interfase del usuario Apoyo de la decisión «sobre la marcha» Adopción y aplicación clínica Proceso de trabajo heredado Falta de evidencia de utilidad clínica Valor percibido limitado Comprensión técnica limitada Intereses establecidos Percepción de intransigencia organizativa Rediseño exhaustivo de la asistencia Pruebas genómicas en contextos clínicos relevantes Desarrollo de una evidencia de valor Genoma como parte de la exploración física Modelos de asistencia fuera de la medicina tradicional Implicación del profano/paciente Educación Inundada por el aprendizaje de memoria Formación limitada en informática Ciclos de educación durante décadas Transición desde el aprendizaje de memoria hasta el análisis de datos Formación rigurosa en informática Aprendizaje flexible en tiempo real Regulación Anclada en la base de la evidencia tradicional Énfasis en la relación riesgo/beneficio sobre la población Innovación reguladora continuada Incorporación de la relación riesgo/beneficio individual Remuneración y fondos Coste de la innovación y la nueva tecnología Ausencia de valor percibido Ausencia de modelos rigurosos para pruebas exhaustivas con necesidad de comunicación continua Diversidad limitada de vías de ingresos Reducción del coste Definición de valor añadido Cambio más allá de la remuneración transaccional Modelos de pago fuera de la medicina tradicional Diversificación de las vías de ingresos Ética Precaución debida a la percepción de determinismo Restricciones de la práctica profesional; «disputas territoriales» Ciclo de innovación arcaico Educación de médicos y pacientes Eliminación del «excepcionalismo genético» Implantación del mundo real en el contexto clínico EAC, ensayos aleatorizados controlados; HCE, historias clínicas electrónicas; HIPAA, Health Insurance Portability and Accountability Act. Descargado para Anonymous User (n/a) en National Autonomous University of Mexico de ClinicalKey.es por Elsevier en enero 12, 2020. Para uso personal exclusivamente. No se permiten otros usos sin autorización. Copyright ©2020. Elsevier Inc. Todos los derechos reservados. https://booksmedicos.org https://booksmedicos.org 52 G en ét ic a y m ed ic in a p er so n a li za d a II serán esenciales para diseccionar los mecanismos de la enfermedad.39 La incorporación de nuevos datos en el sistema de asistencia sanitaria requerirá inversiones en infraestructura, analítica y seguridad. El crecimiento exponencial del conocimiento implícito a la medicina de precisión también requerirá nuevas estrategias para la gestión y exposición de la información. Uno de los desafíos más importantes en la medicina de precisión es el equilibrio entre la recopilación de datos a gran escala a lo largo del tiempo o a través de poblaciones y la elevada especificidad de los datos necesaria para definir el estado biológico actual en un individuo. Abordar estas distinciones requerirá una mano de obra clínica capacitada en informática. A medida que la asistencia clínica y los descubrimientos se integran más estrechamente, también debe transformarse la formación de los profesionales y los pacientes. La necesidad de recoger y presentar la información «a tiempo» en cada encuentro requerirá plataformas de aprendizaje flexibles. Encontrar maneras de incorporar un grupo de datos rigurosos con una formación de alto impacto en medio de la asistencia rutinaria es un problema central de diseño en la medicina de precisión que requerirá hacer uso de la HCE de forma verdaderamente significativa.40 Con estos inquietantes cambios será vital no descartar la «verdad elemental» de la medicina articulada concienzudamente durante años y evitar el deseo de mantener los dogmas de la medicalización. Llevar el rigor científico a poblaciones enteras requerirá un mapeo cuidadoso de la genómica y los nuevos fenotipos en las estructuras existentes. En el campo clínico será importante no sustituir las relaciones médico- paciente empáticas por encuentros digitales inexpresivos. En cambio, la carga constante de información objetiva adecuada facilitará la eliminación del «médico como grabador de datos» que ha acompañado a la puesta en práctica de la HCE, fomentando así la verdadera interacción profesional-paciente. Muchos de los obstáculos para la aplicación de la medicina de precisión derivan, al menos en parte, de la intransigencia de los diferentes implicados en el sistema actual. Para que la medicina de precisión tenga éxito deben adaptarse numerosos intereses esta- blecidos, incluida la organización de la mano de obra profesional. Las interdependencias implícitas a la medicina de precisión requerirán la adición a la medicina de nuevas capacidades, nuevas estructuras de equipo y nuevosparadigmas de capacitación. PERSPECTIVAS FUTURAS El diagnóstico y el tratamiento precoz llevarán a que los sistemas de salud alcancen poblaciones incluso más jóvenes, y las últimas técnicas de secuenciación prometen cubrir todo el genoma antes del nacimiento. La convergencia de tecnologías, nuevos fármacos, análisis de datos e innovación en todas las demás esferas de la vida, junto con las presiones sociales, empujará a la medicina a enfocarse en el bienestar con el objetivo de detectar e intervenir en la primera alteración de este estado. Los distintos pasos para conseguir la puesta en marcha de la medicina de precisión no son obvios aún. La cardiología, que tiene una historia prolongada de desplazamiento eficaz de su fundamento desde la enfermedad en fase tardía hacia la intervención y prevención progresivamente más precoces, está bien posicionada para liderar la medicina de precisión. Bibliografía 1. Iyengar R, Altman RB, Troyanskya O, FitzGerald GA. Personalization in practice. Science. 2015;350:282-283. 2. Auffray C, Charron D, Hood L. Predictive, preventive, personalized and participatory medicine: back to the future. Genome Med. 2010;2:57. 3. Barabasi AL, Gulbahce N, Loscalzo J. Network medicine: a network-based approach to human disease. Nat Rev Genet. 2011;12:56-68. 4. Collins FS, Varmus H. A new initiative on precision medicine. N Engl J Med. 2015;372:793-795. 5. Shah SH, Arnett D, Houser SR, et al. Opportunities for the cardiovascular community in the Precision Medicine Initiative. Circulation. 2016;133:226-231. 6. Manrai AK, Ioannidis JP, Kohane IS. Clinical genomics: from pathogenicity claims to quantitative risk estimates. JAMA. 2016;315:1233-1234. 7. Gabriel SB, Salomon R, Pelet A, et al. Segregation at three loci explains familial and population risk in Hirschsprung disease. Nat Genet. 2002;31:89-93. 8. MacRae CA, Vasan RS. Next-generation genome-wide association studies: time to focus on phenotype?. Circ Cardiovasc Genet. 2011;4:334-336. 9. Burke MA, Cook SA, Seidman JG, Seidman CE. Clinical and mechanistic insights into the genetics of cardiomyopathy. J Am Coll Cardiol. 2016;68:2871-2886. 10. Eichler EE, Flint J, Gibson G, et al. Missing heritability and strategies for finding the underlying causes of complex disease. Nat Rev Genet. 2010;11:446-450. 11. MacRae CA, Pollak MR. Effect size does matter: the long road to mechanistic insight from genome-wide association. Circulation. 2015;132:1943-1945. 12. Ripatti S, Tikkanen E, Orho-Melander M, et al. A multilocus genetic risk score for coronary heart disease: case-control and prospective cohort analyses. Lancet. 2010;376:1393-1400. 13. Schwartz PJ, Dagradi F. Management of survivors of cardiac arrest: the importance of genetic investigation. Nat Rev Cardiol. 2016;13:560-566. 14. Amendola LM, Dorschner MO, Robertson PD, et al. Actionable exomic incidental findings in 6503 participants: challenges of variant classification. Genome Res. 2015;25:305-315. 15. Risgaard B, Jabbari R, Refsgaard L, et al. High prevalence of genetic variants previously associated with Brugada syndrome in new exome data. Clin Genet. 2013;84:489-495. 16. Bick AG, Flannick J, Ito K, et al. Burden of rare sarcomere gene variants in the Framingham and Jackson Heart Study cohorts. Am J Hum Genet. 2012;91:513-519. 17. Ghouse J, Have CT, Weeke P, et al. Rare genetic variants previously associated with congenital forms of long QT syndrome have little or no effect on the QT interval. Eur Heart J. 2015;36:2523- 2529. 18. Oyen N, Poulsen G, Boyd HA, et al. Recurrence of congenital heart defects in families. Circulation. 2009;120:295-301. 19. Zaidi S, Choi M, Wakimoto H, et al. De novo mutations in histone-modifying genes in congenital heart disease. Nature. 2013;498:220-223. 20. MacArthur DG, Manolio TA, Dimmock DP, et al. Guidelines for investigating causality of sequence variants in human disease. Nature. 2014;508:469-476. 21. Wild CP. The exposome: from concept to utility. Int J Epidemiol. 2012;41:24-32. 22. Orlando LA, Wu RR, Beadles C, et al. Implementing family health history risk stratification in primary care: impact of guideline criteria on populations and resource demand. Am J Med Genet C Semin Med Genet. 2014;166C:24-33. 23. Kessler T, Vilne B, Schunkert H. The impact of genome-wide association studies on the pathophy- siology and therapy of cardiovascular disease. EMBO Mol Med. 2016;8:688-701. 24. Plenge RM, Scolnick EM, Altshuler D. Validating therapeutic targets through human genetics. Nat Rev Drug Discov. 2013;12:581-594. 25. Mortimer SA, Kidwell MA, Doudna JA. Insights into RNA structure and function from genome- wide studies. Nat Rev Genet. 2014;15:469-479. 26. Park E, Williams B, Wold BJ, Mortazavi A. RNA editing in the human ENCODE RNA-seq data. Genome Res. 2012;22:1626-1633. 27. Tang WH, Hazen SL. The contributory role of gut microbiota in cardiovascular disease. J Clin Invest. 2014;124:4204-4211. 28. Thiviyanathan V, Gorenstein DG. Aptamers and the next generation of diagnostic reagents. Proteomics Clin Appl. 2012;6:563-573. 29. Wang TJ, Larson MG, Vasan RS, et al. Metabolite profiles and the risk of developing diabetes. Nat Med. 2011;17:448-453. 30. Pirmohamed M, Burnside G, Eriksson N, et al. A randomized trial of genotype-guided dosing of warfarin. N Engl J Med. 2013;369:2294-2303. 31. Kimmel SE, French B, Kasner SE, et al. A pharmacogenetic versus a clinical algorithm for warfarin dosing. N Engl J Med. 2013;369:2283-2293. 32. Mega JL, Hochholzer W, Frelinger III AL, et al. Dosing clopidogrel based on CYP2C19 genotype and the effect on platelet reactivity in patients with stable cardiovascular disease. JAMA. 2011;306:2221-2228. 33. MacRae CA, Vasan RS. The future of genetics and genomics: closing the phenotype gap in precision medicine. Circulation. 2016;133:2634-2639. 34. MacRae CA, Peterson RT. Zebrafish-based small molecule discovery. Chem Biol. 2003;10:901-908. 35. Gibson CC, Zhu W, Davis CT, et al. Strategy for identifying repurposed drugs for the treatment of cerebral cavernous malformation. Circulation. 2015;131:289-299. 36. Califf RM. The future of cardiovascular medicine from the regulatory perspective. J Am Coll Cardiol. 2016;68:766-769. 37. Clohessy JG, Pandolfi PP. Mouse hospital and co-clinical trial project: from bench to bedside. Nat Reviews Clin Oncol. 2015;12:491-498. 38. Antman EM, Harrington RA. Transforming clinical trials in cardiovascular disease: mission critical for health and economic well-being. JAMA. 2012;308:1743-1744. 39. Asch DA, Rader DJ, Merchant RM. Mining the social mediome. Trends Mol Med. 2015;21:528-529. 40. Ritchie MD, Denny JC, Zuvich RL, et al. Genome- and phenome-wide analyses of cardiac conduction identifies markers of arrhythmia risk. Circulation. 2013;127:1377-1385. Descargado para Anonymous User (n/a) en National Autonomous University of Mexico de ClinicalKey.es por Elsevier en enero 12, 2020. Para uso personal exclusivamente. No se permiten otros usos sin autorización. Copyright ©2020. Elsevier Inc. Todos los derechos reservados. https://booksmedicos.org https://booksmedicos.org Botón1:
Compartir