Una amplia investigación internacional revela que el análisis de las firmas metabolómicas en la sangre materna, especialmente durante las últimas etapas del embarazo, puede detectar un riesgo metabólico oculto y predecir con mayor precisión la diabetes gestacional y la preeclampsia que el simple índice de masa corporal (IMC).
Estudio: Una firma metabolómica del IMC materno está asociada con complicaciones del embarazo en dos cohortes de embarazo independientes. Crédito de la imagen: ibragimova/Shutterstock
En un estudio reciente publicado en la revista Medicina de la Comunicación, investigadores analizaron muestras de sangre de dos grandes cohortes independientes para identificar firmas metabolómicas específicas asociadas con el IMC materno. El estudio utilizó aprendizaje automático para identificar un perfil de 46 metabolitos correlacionados con el IMC, demostrando asociaciones más fuertes con ciertas complicaciones del embarazo que el IMC por sí solo.
La investigación identificó además un subconjunto de 16 metabolitos que, en análisis basados en modelos, mediaron estadísticamente la relación entre la obesidad y la diabetes, lo que sugiere que un perfilado sanguíneo específico podría ayudar a refinar la estratificación del riesgo prenatal.
Aumento de la obesidad y del riesgo en el embarazo
El aumento global de la obesidad, particularmente en los países occidentales, ha coincidido con un incremento en los embarazos de alto riesgo. La obesidad materna se ha asociado desde hace tiempo con complicaciones como la diabetes gestacional y la preeclampsia.
Los clínicos suelen basarse en el IMC pregestacional para estimar estos riesgos. Sin embargo, el IMC solo refleja el tamaño y el peso, y no tiene en cuenta el estado metabólico subyacente. Por lo tanto, personas con un IMC normal aún pueden presentar un riesgo metabólico, mientras que algunas personas con un IMC más alto pueden gozar de buena salud metabólica.
La metabolómica como una nueva perspectiva biológica
Para abordar estas limitaciones, los investigadores están recurriendo cada vez más a la metabolómica, el estudio de las pequeñas moléculas que circulan en la sangre y que reflejan la actividad metabólica. El perfilado metabolómico ofrece una visión biológica más precisa de la salud metabólica y puede captar mejor el estrés metabólico relacionado con el embarazo que las simples mediciones antropométricas.
Cohortes, muestreo y enfoque de aprendizaje automático
El estudio analizó datos de dos cohortes de embarazos independientes: los estudios prospectivos de Copenhague sobre el asma infantil (COPSAC) en Dinamarca y el Ensayo de Reducción del Asma Antenatal con Vitamina D (VDAART) en los Estados Unidos.
Las muestras de plasma sanguíneo se procesaron mediante cromatografía líquida no dirigida y espectrometría de masas en tándem (LC-MS/MS), lo que permitió la detección de cientos de metabolitos. Se aplicó un modelo de aprendizaje automático basado en la regresión de mínimos cuadrados parciales dispersos para identificar patrones de metabolitos asociados con el IMC y los resultados del embarazo.
La cohorte danesa COPSAC2010, que incluía muestras de sangre de 684 mujeres a la mitad del embarazo (24 semanas), sirvió como cohorte de descubrimiento. La cohorte VDAART, compuesta por 775 mujeres con muestras tomadas al principio (10 a 18 semanas) y al final (32 a 38 semanas) del embarazo, se utilizó para la validación.
Los perfiles metabólicos predicen complicaciones del embarazo
En ambas cohortes, LC-MS/MS identificó 640 metabolitos candidatos asociados con el IMC materno y las complicaciones del embarazo. Los análisis de aprendizaje automático los destilaron en una sólida firma de 46 metabolitos vinculada a resultados adversos, en particular la diabetes gestacional y la preeclampsia. Los principales contribuyentes incluyeron esfingolípidos involucrados en la señalización celular y metabolitos relacionados con el metabolismo de la vitamina A.
En la cohorte de descubrimiento, un IMC más alto se asoció con la diabetes gestacional (odds ratio (OR) 1,90), pero la puntuación de los metabolitos fue un predictor más potente (OR 2,47). Es importante destacar que, si bien el IMC solo no predijo significativamente la preeclampsia, la puntuación de los metabolitos sí lo hizo.
Resultados del calendario, la validación y la mediación
Los análisis de validación en la cohorte VDAART confirmaron la robustez de la firma metabólica en todas las poblaciones. El momento de la toma de muestras resultó ser crítico. Las puntuaciones de los metabolitos medidas al final del embarazo fueron fuertemente predictivas de la preeclampsia y la diabetes gestacional, mientras que las puntuaciones al principio del embarazo fueron significativamente menos informativas.
Los análisis de mediación identificaron 16 metabolitos que explicaron parcialmente la asociación entre la obesidad y la diabetes gestacional. Los metabolitos de origen vegetal, como el caroteno diol, se asociaron con un menor riesgo de diabetes, mientras que los metabolitos relacionados con los lípidos, incluidos los ceramidas y las esfingomielinas, se asociaron con un mayor riesgo.
Un modelo de aprendizaje automático distinto que utilizaba solo estos 16 metabolitos superó a un modelo basado únicamente en el IMC para predecir la diabetes gestacional, según lo evaluaron las pruebas de la razón de verosimilitud.
Implicaciones para la evaluación de riesgos prenatales
Los resultados resaltan las limitaciones del IMC como un predictor independiente de las complicaciones del embarazo y sugieren que el perfilado metabolómico podría ofrecer un enfoque más matizado y biológicamente significativo. La combinación del IMC con puntuaciones de riesgo basadas en metabolitos podría mejorar la predicción de la diabetes gestacional y la preeclampsia.
Aunque observacional y realizado en entornos con muchos recursos, el estudio apoya una mayor investigación sobre la integración del cribado metabolómico sanguíneo en la atención prenatal. Con una validación y comparación adicionales con las herramientas de cribado existentes, tales enfoques podrían ayudar a identificar los embarazos de alto riesgo antes y permitir un seguimiento y una intervención más personalizados.
