De cinco a veinte proteínas en la sangre, y el riesgo de 218 enfermedades

Si se pudieran medir miles de proteínas en una sola muestra de sangre, ¿eso diría, mejor que las preguntas y los análisis habituales de un médico, quién tiene probabilidades de desarrollar una enfermedad concreta en los próximos diez años? ¿Y para qué enfermedades? Los investigadores plantearon esta pregunta para 218 enfermedades a la vez, comunes y raras, y exigieron una comparación justa: contra lo que un médico de familia ya sabe (edad, sexo, peso, tabaco, antecedentes familiares) y contra 37 análisis de sangre corrientes.

El UK Biobank es un grupo de cerca de medio millón de adultos británicos, de 40 a 69 años al ingreso, seguidos a través de sus historias clínicas. En un subconjunto de 41.931 de ellos se habían medido unas 3.000 proteínas en una muestra de sangre tomada al ingreso, dentro de un proyecto financiado por un consorcio de empresas farmacéuticas. Los investigadores construyeron, para cada una de 218 enfermedades, un modelo que usa un puñado de proteínas (entre 5 y 20, elegidas automáticamente) sumadas a la información clínica básica, y midieron lo bien que ordena a las personas según su probabilidad de un diagnóstico en diez años. La vara de medir es el C-index: 0,5 significa adivinar, 1 ordenación perfecta. Cada modelo se entrenó con una parte de los datos y se probó con una parte reservada. Para seis enfermedades, los modelos se probaron después en una cohorte británica distinta, EPIC-Norfolk.

La información clínica básica por sí sola daba un C-index mediano de 0,64 entre las enfermedades. Añadir de 5 a 20 proteínas mejoró la ordenación para 67 de las 218 enfermedades, en 0,07 puntos de mediana (de 0,02 a 0,31 según la enfermedad). Las mayores ganancias fueron para las enfermedades de la sangre y del sistema inmunitario, como el mieloma múltiple (+0,25) y la celiaquía (+0,31), y para la enfermedad de la motoneurona, la fibrosis pulmonar y la miocardiopatía dilatada. Para 52 de esas 67 enfermedades los modelos proteicos superaron también a los modelos con 37 análisis de sangre estándar. Para la mayoría de las 67 bastaban de cinco a diez proteínas: añadir más no ayudaba. Las puntuaciones de riesgo genético, en comparación, mejoraron la predicción para solo siete enfermedades y mucho menos. En la segunda cohorte la mejora se confirmó para cinco de las seis enfermedades probadas. La observación es la ganancia de ordenación; la interpretación que proponen los autores es que pequeños paneles de proteínas podrían convertirse en pruebas asequibles para enfermedades seleccionadas, y que las proteínas específicas de una enfermedad apuntan a su biología.

El tamaño de la ganancia es fácil de exagerar. Una mejora mediana de 0,07 en el C-index significa que el modelo ordena a las personas algo mejor; no significa que prediga su destino. Para 151 de las 218 enfermedades no hubo ninguna ganancia significativa, y los autores dicen que la mejora fue en general mayor para las enfermedades más raras, de biología más nítida, que para las comunes y complejas como la insuficiencia cardiaca o la diabetes tipo 2. El estudio no aporta cifras sobre la calibración (si un riesgo previsto del 10 % significa que de verdad enfermaron 10 personas de cada 100), ni ningún intento de mostrar que actuar sobre estas predicciones ayude a alguien.

Para la prevención, el valor del estudio está en elegir dónde mirar. Saber que unas pocas proteínas predicen el mieloma múltiple o la celiaquía con años de antelación sugiere dónde podría ser posible un diagnóstico más temprano; si encontrar antes a esas personas cambia su desenlace es una pregunta aparte, que necesita sus propios ensayos. Para las enfermedades en las que la prevención con el estilo de vida está demostrada, como la diabetes tipo 2, este estudio no muestra que una firma proteica ayudaría a elegir a quién tratar.

Su relación con el Gemelo Digital: no como dato que el Gemelo lea hoy (estas proteínas requieren una plataforma de laboratorio de investigación), sino como mapa. Dice qué enfermedades podría señalar algún día un pequeño panel de proteínas y cuáles no, y fija el listón que toda señal nueva debe superar: mejor que lo que un médico ya sabe, y mejor que los análisis de sangre corrientes. Si esos paneles llegaran a ser pruebas clínicas disponibles, sus resultados serían una entrada fechada más en la historia de una persona. El estudio midió a cada persona una vez; no dice nada sobre seguir las proteínas en el tiempo.

No ofrece una prueba: los paneles de proteínas existen como modelos de investigación, no como ensayos que una clínica pueda prescribir, y los propios autores señalan como primera limitación la necesidad de validación en estudios externos, en poblaciones étnicamente diversas y en grupos con riesgo de partida distinto; los participantes del UK Biobank son más sanos que la población general. La replicación externa cubrió seis enfermedades, no 218. El horizonte de diez años es el del modelo, no una prueba de que las proteínas cambien diez años antes de la enfermedad. Nada de esto se aplica a una persona que lea sus propios análisis de sangre. Varios autores son empleados de una empresa farmacéutica que cofinanció las mediciones proteómicas; está declarado en el artículo y cuenta para cómo se leen los resultados.

Cohorte prospectiva (UK Biobank Pharma Proteomics Project, subconjunto aleatorio) con derivación de modelos predictivos dispersos para la incidencia a 10 años de 218 enfermedades; validación interna en un conjunto de prueba reservado; validación externa en EPIC-Norfolk para seis enfermedades.

41.931 participantes (subconjunto aleatorio del UKB-PPP; el UK Biobank reclutó adultos de 40–69 años en 2006–2010); 218 enfermedades con > 80 casos incidentes en 10 años (81–6.038 casos); 193 enfermedades en el subconjunto aleatorio, 25 añadiendo los casos seleccionados por el consorcio. EPIC-Norfolk: cohorte de 25.639 personas de Norfolk, Inglaterra; n = 295–1.116 y 5–236 casos incidentes por enfermedad probada.

Plasma EDTA basal (no en ayunas); Olink Explore 1536 + Expansion (2.923 proteínas, 2.941 ensayos, expresión proteica normalizada). Comparador clínico: edad, sexo, IMC, etnia autodeclarada, tabaco, alcohol, antecedentes familiares (15 enfermedades); segundo comparador con 37 análisis clínicos de sangre. Selección de variables con LASSO en 200 submuestras; modelos de Cox regularizados con validación cruzada de 5 pliegues; rendimiento en el conjunto de prueba reservado con 1.000 remuestreos bootstrap (C-index, delta C-index con IC 95 %, razones de verosimilitud, tasa de detección al 10 % de falsos positivos). Puntuaciones poligénicas comparadas cuando estaban disponibles.

Modelos clínicos: C-index mediano 0,64 (RIC 0,58–0,72). Los modelos proteicos dispersos (5–20 proteínas) mejoraron los modelos clínicos para 67 enfermedades (delta C-index mediano 0,07, rango 0,02–0,31), por ejemplo mieloma múltiple 0,25 (IC 95 % 0,20–0,29), linfoma no Hodgkin 0,21 (0,14–0,28), celiaquía 0,31 (0,21–0,38), miocardiopatía dilatada 0,17 (0,10–0,22), fibrosis pulmonar 0,09 (0,03–0,14), enfermedad de la motoneurona 0,11 (0,04–0,16). Los modelos con análisis clínicos mejoraron los modelos clínicos solo para 28 enfermedades (delta mediano 0,08); los modelos proteicos los superaron en 52 de las 67. Saturación a 5–10 proteínas para el 64 % de las enfermedades mejoradas; ganancia media del 5,4 % de C-index de las firmas dispersas frente a la mejor proteína individual. Puntuaciones poligénicas: mejora significativa solo para 7 enfermedades (delta mediano 0,03 frente a 0,08 de las proteínas). Validación externa (EPIC-Norfolk, 6 enfermedades): C-index correlacionados r = 0,81, mejoras r = 0,97; mejora replicada en 5 de 6 (EPOC solo a 20 años). Calibración no recogida en las secciones leídas. Resultado negativo implícito: ninguna ganancia proteica significativa para 151 de 218 enfermedades.

PROBAST (preliminar, sobre el texto completo): participantes bajo-moderado (efecto del participante sano reconocido); predictores bajo (plataforma estandarizada, medidos antes del desenlace); desenlace bajo-moderado (definiciones a partir de historias electrónicas, primeros 6 meses excluidos); análisis bajo (eventos adecuados por enfermedad por umbral de diseño, selección penalizada, conjunto de prueba reservado, bootstrap; calibración no recogida). Generalizabilidad: ascendencia mayoritariamente europea; validación externa limitada a seis enfermedades en otra cohorte británica. Informe: métodos detallados; adherencia a TRIPOD no evaluada aquí. Conflictos de interés: varios autores empleados de GSK, que cofinanció las mediciones proteómicas (afiliaciones en el registro de PubMed).

Potencial, no demostrada: se recogen métricas de cribado (tasa de detección a falsos positivos fijos), pero ningún análisis de curva de decisión, ningún estudio de impacto y ningún ensayo clínico. Los autores enmarcan el resultado como base para paneles dispersos asequibles para enfermedades seleccionadas, por validar.

B — guía sobre qué enfermedades y qué proteínas; integrable solo tras la validación para el uso específico y con ensayos dirigidos, no con toda la plataforma. Datos necesarios: un panel proteico dirigido de laboratorio, más las variables clínicas del comparador.

Registro de PubMed y texto completo del artículo publicado (PubMed Central), leído íntegramente el 5 de noviembre de 2026. Tablas complementarias (listas de las 67 y 52 enfermedades, componentes proteicos por enfermedad) no consultadas.

En muchas enfermedades el diagnóstico se retrasa por la falta de biomarcadores objetivos del inicio de la enfermedad. Aquí, en 41.931 personas del United Kingdom Biobank Pharma Proteomics Project, integramos las mediciones de ~3.000 proteínas plasmáticas con la información clínica para derivar modelos predictivos dispersos de la incidencia a 10 años de 218 enfermedades comunes y raras (81–6.038 casos). Después comparamos los modelos desarrollados con datos proteómicos con modelos desarrollados solo con información clínica básica o con información clínica combinada con datos de 37 análisis clínicos. El rendimiento predictivo de los modelos dispersos con solo 5 a 20 proteínas fue superior al de los modelos basados en información clínica básica para 67 enfermedades patológicamente diversas (delta C-index mediano = 0,07; rango = 0,02–0,31). Los modelos proteicos dispersos superaron además a los modelos basados en información básica combinada con análisis clínicos para 52 enfermedades, entre ellas mieloma múltiple, linfoma no Hodgkin, enfermedad de la motoneurona, fibrosis pulmonar y miocardiopatía dilatada. Para el mieloma múltiple, la secuenciación de ARN de célula única de médula ósea en pacientes recién diagnosticados mostró que cuatro de las cinco proteínas predictoras se expresan específicamente en las células plasmáticas, en consonancia con el fuerte poder predictivo de estas proteínas. La replicación externa de los modelos proteicos dispersos en el estudio EPIC-Norfolk mostró una buena generalizabilidad para la predicción de las seis enfermedades probadas. Estos hallazgos muestran que las firmas proteicas plasmáticas dispersas, que incluyen tanto proteínas específicas de enfermedad como predictores proteicos compartidos entre varias enfermedades, ofrecen una predicción clínicamente útil de enfermedades comunes y raras.