Dans une étude récente publiée dans la revue Nature Recherche cardiovasculaire, les chercheurs ont développé et validé un nouveau modèle de prédiction basé sur des biomarqueurs pour évaluer l’imminence du premier infarctus du myocarde. Pour former et tester le modèle, ils ont collecté des données sur les protéines et les métabolites auprès d’un consortium de cohortes de cas comprenant 2 018 individus issus de 6 études européennes préexistantes. Sur plus de 800 protéines et 1 000 métabolites analysés, 48 et 43 se sont révélés associés à un risque imminent d’infarctus du myocarde (IMI) à court terme. Leurs résultats révèlent que leur modèle est capable d’obtenir de bonnes performances discriminatoires entre les patients à risque d’IMI et ceux qui n’en sont pas, qu’il utilise des variables cliniques facilement disponibles et qu’il présente le meilleur effort jusqu’à présent pour prévenir et se préparer à l’IMI.
Lettre : Marqueurs d’un infarctus du myocarde imminent. Crédit d’image : Studio d’Afrique/Shutterstock
Sommaire
Infarctus du myocarde et difficultés de sa prédiction
L’infarctus du myocarde (IM) est une maladie cardiovasculaire grave et souvent mortelle provoquée par une diminution ou un arrêt complet du flux sanguin vers une partie du myocarde. Familièrement connu sous le nom de « crise cardiaque », l’IM reste la principale cause de décès non transmissibles dans le monde.
Malgré des décennies de recherche axées sur la prévention de l’IM, malheureusement, la plupart des méthodes de prévention des risques sont incapables de prendre en compte la nature dynamique des variables causales de l’IM, ce qui entrave considérablement les efforts visant à identifier les patients à haut risque d’infarctus du myocarde imminent (IMI). On sait que les événements traumatisants stochastiques tels que la perte d’un être cher ou un diagnostic de cancer augmentent considérablement le risque d’IMI. Pourtant, ils sont difficiles à prédire, principalement parce que chaque personne réagit différemment à ces variables.
Une vaste étude de population visant à identifier les biomarqueurs de l’IMI est donc essentielle pour prédire et se préparer à cette maladie. Les biomarqueurs (biomarqueurs circulants) peuvent fournir des sources de données fiables et quantifiables et, bien qu’ils aient été étudiés dans le passé, la plupart des études ont utilisé de petites cohortes d’échantillons et des périodes de suivi limitées, ce qui réduit la fiabilité et confond les résultats.
« La prévention primaire des facteurs de risque asymptomatiques sur une longue période est coûteuse, et la motivation des patients et des prestataires est limitée, même pour la prévention secondaire. La prédiction du risque à court terme basée sur les biomarqueurs de l’IMI pourrait faire pencher la balance en faveur de la prévention, car la connaissance d’un risque accru d’un premier infarctus du myocarde au cours des prochains mois pourrait motiver les patients et les médecins à envisager des stratégies préventives.
À propos de l’étude
La présente étude a été menée sur la base de l’hypothèse selon laquelle les biomarqueurs circulants pourraient servir de proxy pour des processus biologiques critiques mais dynamiques qui précèdent l’IM de plusieurs mois. Cela donnerait aux patients et aux cliniciens de nombreuses opportunités de mettre en œuvre des stratégies d’atténuation et de se préparer à l’IMI.
Les données de l’étude ont été obtenues à partir d’une étude de cohorte de cas imbriquée intitulée « Les marqueurs de l’infarctus imminent du myocarde (MIMI) ». L’étude comprend du sang biobanqué (250 μl de plasma) et des données démographiques et médicales associées provenant de six populations d’étude européennes appartenant à la collaboration Biobanking and Biomolecular Research Infrastructure-Large Prospective Cohorts (BBMRI-LPC). Pour cette étude, les patients ayant des antécédents cliniques de maladies cardiovasculaires ont été exclus, ce qui a donné un échantillon de 2 018 participants.
Le résultat d’intérêt était l’apparition d’un IMI (en particulier, un infarctus aigu du myocarde) dans les six mois suivant le prélèvement sanguin de base. Tous les échantillons inclus ont été soumis à une caractérisation des protéines et des métabolites à l’aide du test d’extension de proximité Olink et de la spectrométrie de masse en tandem par chromatographie liquide ultra-performante (UPLC-MS/MS), respectivement.
Pour la formation et les tests du modèle, les informations spécifiques à l’échantillon sur les protéines, les métabolites et les biomarqueurs ont été réparties entre des ensembles de données de découverte (70 %) et de validation (30 %), randomisés et répétés 100 fois pour renforcer la taille efficace de l’échantillon. L’évaluation des risques IMI a été réalisée à l’aide de modèles de régression à risques proportionnels de Cox pondérés et stratifiés. Bien que testés, les modèles de régression de l’opérateur de retrait et de sélection le moins absolu (LASSO) et les modèles d’apprentissage automatique forestier (ML) aléatoires n’ont pas été en mesure d’identifier des biomarqueurs capables d’améliorer la prévision des risques.
Résultats de l’étude
Sur les 2 018 personnes incluses dans l’étude, 420 ont développé une IMI dans les six mois suivant la collecte de sang de base et ont été traitées comme des cas, tandis que les 1 598 personnes restantes ont été traitées comme des représentants de sous-cohorte. Les analyses de protéines et de métabolites d’échantillons de plasma sanguin conservés ont révélé 817 protéines et 1 025 métabolites. Lorsqu’elles sont combinées aux antécédents démographiques et cliniques, 16 variables cliniques ont été harmonisées entre les cohortes.
La formation du modèle et sa validation ultérieure ont révélé 48 protéines, 43 métabolites et trois facteurs cliniques (variables : sexe, âge et tension artérielle systolique) associés au risque d’IMI. Lors de l’ajustement des modèles de régression en fonction de l’âge et du sexe, le peptide natriurétique cérébral (BNP) est apparu comme le déterminant le plus important du risque d’IMI.
« Le BNP était le seul biomarqueur présentant une association suggestive lors de la validation interne, satisfaisant les critères de réplication formels dans 22 des 100 répartitions aléatoires. En comparaison, le facteur de cellules souches (SCF) et l’interleukine-6 (IL-6), des biomarqueurs avec un support d’association plus faible, répliqués dans seulement 5 ou 4 des 100 divisions aléatoires.
Pour identifier les variables causales impliquées dans les niveaux de biomarqueurs dynamiques, les valeurs de BNP des patients ont été comparées à leur score de calcium dans l’artère coronaire (CACS). Le test CACS mesure l’étendue des dépôts de calcium le long des parois de l’artère coronaire, des valeurs plus élevées correspondant à un risque IMI plus élevé. Étonnamment, après correction des variables démographiques, aucune association entre le BNP et le CACS n’a été observée.
Il est encourageant de constater que le modèle de prédiction du risque clinique développé au cours de cette étude a atteint un indice C validé en interne de 0,78, soulignant sa capacité à faire la distinction entre les premiers cas IMI et les non-cas à risque faible ou nul. Ce score a encore été amélioré à 0,82 lors de l’utilisation d’un ensemble de données de validation externe de la biobanque du Royaume-Uni (UK).
Conclusions
« Dans la présente étude, des niveaux plus élevés de BNP chez les individus sans maladie cardiovasculaire connue étaient liés à un risque plus élevé d’un premier infarctus du myocarde dans les 6 mois dans plusieurs modèles. Les cardiomyocytes produisent du BNP en réponse à la souche8, et la mesure du NT-proBNP est un pilier de la prise en charge clinique de l’insuffisance cardiaque mais n’est pas utilisée pour diagnostiquer l’infarctus du myocarde.
La présente étude a utilisé la plus grande cohorte à ce jour pour identifier des biomarqueurs circulants susceptibles de prédire l’IMI chez les patients sans antécédents cliniques de maladie cardiovasculaire. Leurs analyses de 2 018 échantillons de plasma ont révélé 817 protéines et 1 025 métabolites, dont 48 et 43 étaient associés à l’IMI. Les modèles de régression de Cox ajustés en fonction de l’âge et du sexe ont révélé que le BNP était le meilleur biomarqueur pour la prédiction de l’IMI.
Il est encourageant de constater qu’un nouvel algorithme formé à l’aide des données ci-dessus a pu faire la distinction entre les cas IMI et les non-cas avec un indice C de 0,78 à 0,82, ce qui en fait le meilleur modèle prédictif IMI à ce jour et la base idéale pour motiver les patients et les cliniciens vers des soins primaires. prévention chez les personnes à risque.
