【资料图】

慢性肾脏病 (CKD) 是一种很强的心血管危险因素，通常伴有高血压和糖尿病。尽管这种疾病很普遍——全球有 10% 的人患有 CKD——但迄今为止，用于测量 CKD 患者心脏风险的工具有限。根据宾夕法尼亚大学佩雷​​尔曼医学院研究人员领导的一项新研究，发现一种新的心血管疾病蛋白质组学风险模型比目前测量心脏风险的方法更准确。该研究今天发表在《欧洲心脏杂志》上。

宾夕法尼亚大学的研究人员使用蛋白质组学开发了一个模型，蛋白质组学是对蛋白质的大规模研究。这些蛋白质充当一种生物标志物，可用于帮助识别体内疾病。研究人员研究了来自慢性肾功能不全队列 (CRIC) 和社区动脉粥样硬化风险队列 (ARIC) 的 2,667 名 CKD 参与者的近 5,000 种蛋白质。所有参与者在研究基线时都患有 CKD 并且没有心血管疾病史。

来自宾夕法尼亚大学、约翰霍普金斯大学和加州大学旧金山分校的团队使用参与者的一滴血来预测患者发生心脏事件的风险。通过该模型，他们评估了 4,628 种独特的蛋白质，以找出最有助于识别心血管疾病风险的蛋白质。在评估的数千种蛋白质中，研究人员使用机器学习方法选择了构成其蛋白质组风险模型的 32 种蛋白质。这些特定的蛋白质被确定最能帮助表明患有 CKD 的 患者心脏病发作、心力衰竭、中风甚至心血管死亡的风险水平。

“未来是光明的。在个性化医疗时代，这些发现为未来研究治疗靶点指明了一条新途径，”宾夕法尼亚大学医学院心血管医学副教授、医学博士、医学博士 Rajat Deo 说。“为患有 CKD 的个体患者进行个性化风险评估的能力是将其扩展到更大的卫生系统的第一步。”

与 2013 年 ACC/AHA 汇总队列方程 (PCE) 相比，这个新模型被发现在识别未来心血管疾病风险方面更准确——PCE 为衡量心血管风险的最佳实践提供了一套指南——以及修改后的 PCE，其中包括估计的肾小球滤过率 (eGFR)。eGFR 让医生知道某人血液中有多少特定废物，称为肌酐。

那些预测风险最高的人在 10 年内观察到的心血管事件发生率为 60%。可靠地识别这些没有心血管疾病病史的高危个体无疑会引起患者及其提供者采取预防性护理措施的极大兴趣。