3. Factores predictivos de recurrencia durante el tratamiento anticoagulante >>
3.2. Biomarcadores
En un amplio grupo de pacientes que participaron en el estudio CATCH se obtuvo una muestra de plasma y suero en la visita basal del estudio, antes del inicio del tratamiento, lo que permitió el análisis de algunos biomarcadores como predictores de recurrencia durante el tratamiento. De todos ellos, los niveles de factor tisular se asociaron de forma evidente con la retrombosis [23]. Los pacientes en el cuartil más alto (> 64,6 pg/mL) presentaron una tasa de recurrencia del 19% frente al 6% del resto de los cuartiles. Otros factores que influían en el riesgo de TEV recurrente fueron el cáncer hepatobiliar y la existencia de compresión venosa por masa tumoral. La proteína C reactiva también podría jugar un papel, si bien al realizar el análisis de regresión aplicando el modelo de competing-risk perdía la significación estadística. Por el contrario, el dímero-D no resultaba de utilidad para la predicción de recurrencias en este estudio.
En otro subanálisis posterior del estudio CATCH, presentar una alteración moderada de la función renal (filtrado glomerular < 60 mL/min) se asoció con un mayor riesgo de recurrencia trombótica durante los 6 meses de tratamiento (14% vs 8%; RR 1,74; IC95% 1,06-2,85). Este incremento del riesgo se observó tanto en pacientes tratados con tinzaparina como con AVK [24].
Finalmente, en un estudio de cohortes prospectivo de 117 pacientes con TEV asociado a cáncer tratados con HBPM se evaluaron de forma seriada (basal, 1, 4, 12 y 24 semanas) los niveles plasmáticos de dímero-D y P-selectina. Aunque el número absoluto de recurrencias tromboembólicas fue reducido, 11 (9,4%), solamente los valores basales de P-selectina se asociaron con dicho riesgo, mutilplicándolo por 4. En este estudio la escala de Ottawa comentada anteriormente no mostraba capacidad predictiva relevante, y tampoco tras ampliarla con los biomarcadores analizados [25].
3.3. Inteligencia artificial
La identificación de individuos con mayor riesgo de TEV o de complicaciones hemorrágicas asociadas a la anticoagulación constituye un campo en el que la aplicación de la inteligencia artificial puede resultar de gran ayuda. En el tema que nos ocupa, hay que destacar los resultados del estudio Predictia, que ha incluido más de 20.000 pacientes con TEV asociado a cáncer. Mediante la aplicación de tecnología de procesamiento del lenguaje natural y aprendizaje automático se ha desarrollado un modelo predictivo de recurrencia del TEV durante los primeros 6 meses tras el diagnóstico inicial con un área bajo la curva ROC de 0,72. Entre las variable identificadas se encuentran: edad, metástasis, histología adenocarcinoma, hemoglobina, creatinina sérica, cifra de plaquetas y de leucocitos e historia familiar de TEV [26].
Sin duda, se trata de un campo en el que es de esperar que en un futuro no muy lejano se produzcan avances relevantes que favorezcan una mayor individualización del tratamiento anticoagulante en el paciente con TEV asociado a cáncer.