¿Cómo puede el cribado ayudar a identificar a las personas con mayor riesgo de enfermedad cardiovascular?

Existen varios métodos establecidos que los médicos de toda Europa pueden utilizar para detectar los signos de ECV, entre ellos el control de la tensión arterial, las pruebas de colesterol, el electrocardiograma (ECG) y la ecocardiografía⁴. Sin embargo, los recientes avances en la tecnología de detección han hecho posibles métodos más precisos y exactos.

La angiografía coronaria por tomografía computarizada (ACTC), también denominada angiografía coronaria por tomografía computarizada (ACTC), es una técnica de imagen no invasiva que produce imágenes detalladas de los vasos sanguíneos del corazón. La ACTC es una evolución de la TC tradicional que sincroniza la adquisición de imágenes con la señal del electrocardiograma (ECG) para producir imágenes de alta resolución de las arterias coronarias⁵. La ACTC ha demostrado una gran precisión en la detección de la calcificación coronaria y la enfermedad arterial coronaria (EAC), lo que podría utilizarse para identificar a pacientes asintomáticos con riesgo de sufrir eventos cardiovasculares adversos⁶.

El diagnóstico por imagen no es la única opción en la caja de herramientas del médico, hay varios biomarcadores emergentes que pueden ser útiles en el cribado de las ECV. Un ejemplo son las pruebas de troponina de alta sensibilidad. Estos análisis de sangre pueden detectar cantidades muy pequeñas de troponina, una proteína que se libera en el torrente sanguíneo cuando se daña el músculo cardiaco^7,8. Los análisis de troponina de alta sensibilidad son más precisos que las versiones anteriores, lo que permite a los médicos detectar daños en el músculo cardiaco antes de que se produzcan eventos cardiacos importantes⁸. Además, estas pruebas pueden revelar daños causados por otras enfermedades (por ejemplo, COVID-19) que podrían exponer a las personas a un mayor riesgo de sufrir eventos cardiacos graves⁷.

Más allá de las técnicas específicas de cribado, los algoritmos de inteligencia artificial (IA) están mejorando nuestra capacidad de analizar grandes cantidades de datos procedentes de historiales médicos, pruebas de imagen y otras fuentes para identificar a los pacientes con alto riesgo de ECV⁹. Esto puede ayudar a los médicos a adaptar las estrategias de prevención y tratamiento a las necesidades individuales de cada paciente^9,10.

Prevención de la ECV

Aunque la detección precoz mediante cribado es importante, la prevención sigue siendo la forma más eficaz de reducir las probabilidades de desarrollar una ECV. Modificaciones del estilo de vida como una dieta sana, ejercicio regular y dejar de fumar pueden reducir significativamente el riesgo de ECV¹¹.

Una de las estrategias más importantes para prevenir las ECV consiste en identificar y controlar precozmente los factores de riesgo¹¹. Entre ellos se encuentran la hipertensión, la hipercolesterolemia, la diabetes, la obesidad y el tabaquismo¹¹. Es esencial que las personas con un riesgo elevado de ECV colaboren estrechamente con sus profesionales sanitarios para desarrollar un plan integral de prevención de la ECV adaptado a sus necesidades individuales. La identificación y el tratamiento precoz de estos factores de riesgo pueden reducir significativamente el riesgo de ECV¹¹.

En Daiichi Sankyo estamos continuamente explorando la mejor manera de ayudar a los pacientes con ECV, incluidos aquellos en riesgo de desarrollarla, más allá de los medicamentos que podemos proporcionar. Creemos que la implantación del cribado de la ECV como norma, junto con estrategias integrales de prevención, por parte de los sistemas sanitarios europeos ayudaría a identificar a las personas en riesgo de ECV cuando aún son asintomáticas, lo que podría reducir considerablemente el número de eventos cardiacos graves y, en última instancia, mejorar los resultados de los pacientes.

1. Roth, GA., et al. 2020. Global Burden of Cardiovascular Disease and Risk Factors. J Am Coll Cardiol. 2020 Dic, 76(25): 2982-3021. Disponible en: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7755038/
2. Mach, F., et al. 2020. 2019 ESC/EAS Guidelines for the management of dyslipidaemias: lipid modification to reduce cardiovascular risk: El Grupo de Trabajo para el manejo de las dislipidemias de la Sociedad Europea de Cardiología (ESC) y la Sociedad Europea de Aterosclerosis (EAS). Eur Heart J. 2020 Jan, 41(1): 111-188. Disponible en: https://academic.oup.com/eurheartj/article/41/1/111/5556353
3. Visseren FLJ., et al. 2021 ESC Guidelines on cardiovascular disease prevention in clinical practice: Desarrollado por el Grupo de Trabajo para la prevención de enfermedades cardiovasculares en la práctica clínica con representantes de la Sociedad Europea de Cardiología y 12 sociedades médicas Con la contribución especial de la Asociación Europea de Cardiología Preventiva (EAPC). Eur Heart J. 2021 Sep, 42(34): 3227-3337. Disponible en: https://academic.oup.com/eurheartj/article/42/34/3227/6358713?login=false
4. Opciones del SNS. (2020). Diagnóstico - Enfermedad coronaria. Disponible en: https://www.nhs.uk/conditions/coronary-heart-disease/diagnosis/ . Último acceso: Mayo 2023.
5. Balcombe, J.N. y Litt, H.I. 2011. "Angiografía coronaria por TC", en Radiology secrets plus. 3rd edn. Filadelfia, PA: Mosby/Elsevier, pp. 69-76. Disponible en: https://www.sciencedirect.com/sdfe/pdf/download/eid/3-s2.0-B9780323067942000110/first-page-pdf
6. Graby, J. (2021) Cribado de riesgos en enfermedades cardiovasculares: El papel de la angiografía coronaria por TC en pacientes asintomáticos, ¿por qué esperar?, Editoriales. Sociedad Cardiovascular Británica. Disponible en: https://www.britishcardiovascularsociety.org/resources/editorials/articles/risk-screening-cardiovascular-disease-role-ct-coronary-angiography-asymptomatic-patients . Último acceso: Mayo 2023.
7. Sandoval, Y., Januzzi, J.L. y Jaffe, A.S. 2020. Troponina cardiaca para la evaluación de la lesión miocárdica en COVID-19: JACC Review Topic of the Week. Revista del Colegio Americano de Cardiología. 2020 Sep, 76(10): 1244-1258. Disponible en: https://doi.org/10.1016/j.jacc.2020.06.068.
8. Xu, R.-yi., et al. 2013. High-sensitive cardiac troponin T. J Geriatr Cardiol. 2013 Mar, 10(1): 102-109. Disponible en: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3627711/.
9. Chan, S. (2019) Seis desafíos en enfermedades del corazón que la inteligencia artificial está ayudando a resolver. Fundación británica del corazón. Disponible en: https://www.bhf.org.uk/for-professionals/healthcare-professionals/blog/2019/six-challenges-in-heart-disease-that-artificial-intelligence-is-helping-to-solve. Último acceso: Mayo 2023.
10. Karatzia, L., Aung, N. y Aksentijevic, D. 2022. Artificial intelligence in cardiology: Hope for the future and power for the present. Front Cardiovasc Med. 2022 Oct, 9. Disponible en: https://www.frontiersin.org/articles/10.3389/fcvm.2022.945726/full.
11. Organización Mundial de la Salud. (s.f.). Enfermedades cardiovasculares. Disponible en: https://www.who.int/health-topics/cardiovascular-diseases/#tab=tab_1. Último acceso: Mayo 2023.